Dokumentationerreichbar

DeepSeek-R1 Model Card, beim Commit 56d4cbb

Die Modellkarte von DeepSeek-R1 auf Hugging Face im Stand des Commits 56d4cbb vom 27.03.2025. Abschnitt 7 stellt Code und Gewichte unter die MIT-Lizenz und erlaubt ausdrücklich Destillation zum Training anderer Sprachmodelle. Darunter nennt die Karte für jeden Schüler die Herkunft: Die vier Qwen-Schüler stammen aus Qwen2.5 unter Apache 2.0, der 8B-Llama-Schüler aus Llama 3.1 und der 70B-Schüler aus Llama 3.3, jeweils unter deren Lizenz. Abgestimmt wurden die Schüler mit 800.000 Beispielen, die R1 erzeugt hat. Wie die Lizenz des Lehrers und die der Basis zusammenwirken, sagt die Karte nicht.

geprüft 10.11.2026

Worauf sich diese Seite beruft, wörtlich, abgerufen am 19.10.2026:

This code repository and the model weights are licensed under the MIT License.bestätigt 10.11.2026
DeepSeek-R1 series support commercial use, allow for any modifications and derivative worksbestätigt 10.11.2026
distillation for training other LLMsbestätigt 10.11.2026
are derived from Qwen-2.5 series, which are originally licensed under Apache 2.0 License, and now finetuned with 800k samples curated with DeepSeek-R1bestätigt 10.11.2026
DeepSeek-R1-Distill-Llama-8B is derived from Llama3.1-8B-Base and is originally licensed under llama3.1 license.bestätigt 10.11.2026
DeepSeek-R1-Distill models are fine-tuned based on open-source models, using samples generated by DeepSeek-R1.bestätigt 10.11.2026

03 Wie ein Modell von einem anderen lernt

Alle Quellen