DeepSeek R1 Distill Llama 70B
DeepSeek R1 Distill Llama 70B est un LLM dense de 71 milliards de paramètres, publié par DeepSeek le 20 janvier 2025. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée et souvent retirée des catalogues actuels.
DeepSeek R1 Distill Llama 70B est un LLM dense de 71 milliards de paramètres, publié par DeepSeek le 20 janvier 2025. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée et souvent retirée des catalogues actuels.
Distillé à partir d’échantillons générés par DeepSeek-R1 et basé sur Llama-3.3-70B-Instruct, il combine une fenêtre de contexte de 128 000 tokens avec une licence MIT autorisant l’usage commercial. Son tarif très économique se situe 60% sous la moyenne des LLM similaires.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | DeepSeek |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | MIT |
| Date de sortie | 20 janvier 2025 |
| Multimodal | non |
| Paramètres | 71 milliards |
| Fenêtre de contexte | 128 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| MATH-500 | 94,5 % | 19ᵉ / 31 | llm-stats | Auto-déclaré |
| AIME 2024 | 86,7 % | 13ᵉ / 52 | llm-stats | Auto-déclaré |
| GPQA | 65,2 % | 136ᵉ / 219 | llm-stats | Auto-déclaré |
| LiveCodeBench | 57,5 % | 33ᵉ / 72 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,8 $ | 0,8 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 62 % en dessous de la moyenne des LLM similaires, et 6,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,02 $ |
| Latence moyenne par benchmark — Benchable | 33 min 01 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. DeepSeek R1 Distill Llama 70B se distingue par un excellent suivi des instructions, classé en tête du benchmark correspondant. Ses résultats en connaissances générales sont élevés, tandis que MATH level 5 le place parmi les meilleurs modèles évalués en mathématiques difficiles. À sa sortie, il figurait dans le top 21% des LLM de sa génération sur GPQA Diamond, ce qui le situait dans le haut du panier de son époque. Son tarif est environ 6,9 fois inférieur à celui des modèles frontière. Le modèle accepte les outils d’inférence vLLM et SGLang, avec des configurations et tokenizers légèrement modifiés par rapport à sa base Llama.
Limites et points d’attention. Son classement est nettement moins favorable en éthique, en classification d’e-mails et sur le benchmark consacré aux hallucinations, malgré des scores bruts élevés. Sa date limite de connaissances, fixée au 31 juillet 2024, réduit aussi sa pertinence sur les informations plus récentes. Son ancienneté rend ses performances probablement largement dépassées par les générations actuelles, et ce type de modèle est souvent retiré du catalogue de son éditeur. Sa taille de 71 milliards de paramètres reste par ailleurs une caractéristique technique importante à prendre en compte.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).