Mini modèle · DeepSeek
DeepSeek-R1 1.5B
Sur le disque
1,1 Go
Mémoire sur Mac
5 Go
Carte graphique sur PC
2 Go
Paramètres
1,5 milliard
Pas encore testé au labo
Ce modèle n'est pas encore passé par nos tests : nos propres mesures de sa qualité viendront avec le test. Test prévu la semaine du 9 nov. 2026, en local sur notre Mac Studio.
DeepSeek-R1 1.5B en bref
DeepSeek-R1 1.5B, de son nom complet DeepSeek-R1-Distill-Qwen-1.5B, est un petit modèle de raisonnement publié par DeepSeek en janvier 2025. Il part de Qwen2.5-Math-1.5B d'Alibaba, entraîné à imiter les réponses du grand modèle DeepSeek-R1. Il vise les essais de raisonnement mathématique sur une machine modeste, pas la conversation de tous les jours.
Forces
- Il réfléchit avant de répondre, étape par étape, une capacité tirée du grand modèle DeepSeek-R1 par « distillation » (entraînement d'un petit modèle sur environ 800 000 exemples produits par le grand), selon l'éditeur.
- Il résout bien des problèmes de mathématiques pour sa taille, avec 83,9 sur 100 à l'épreuve MATH-500, selon l'éditeur.
- Il ne compte qu'environ 1,5 milliard de paramètres, selon Artificial Analysis, ce qui le rend léger à faire tourner.
- Sa licence permet l'usage commercial. Les poids sont sous licence MIT, et la partie tirée de Qwen2.5 relève de la licence Apache 2.0, selon sa fiche du modèle.
Faiblesses
- Ses résultats indépendants sont faibles. Au concours de mathématiques AIME 2025, MathArena lui donne 20 % de bonnes réponses, au 59e rang sur 61 modèles évalués.
- Il reste limité hors des mathématiques. Artificial Analysis lui donne 6 à son indice d'intelligence (une estimation), et l'éditeur publie 16,9 sur 100 à l'épreuve de code LiveCodeBench.
- Il est capricieux. L'éditeur recommande une température de 0,6, aucune consigne système et une réflexion forcée au début de chaque réponse, pour éviter les répétitions sans fin ou les réponses incohérentes.
- Il produit beaucoup de texte de réflexion. MathArena compte 17 102 jetons produits (un jeton est un morceau de mot) à AIME 2025, ce qui ralentit les réponses.
- La famille DeepSeek-R1 est optimisée pour le chinois et l'anglais ; l'éditeur prévient qu'elle peut mélanger les langues dans une autre langue, comme le français.
Pour quels usages
- Tester, sur un portable, ce que fait un modèle qui raisonne avant de répondre, avant d'investir dans un plus grand.
- Vérifier un calcul simple ou décomposer un petit problème de mathématiques, en relisant la réponse.
- Servir de base à un développeur qui veut le régler pour une tâche de raisonnement précise.
D’où il vient
DeepSeek a publié ce modèle le 20 janvier 2025, selon Artificial Analysis, en même temps que d’autres modèles « distillés » de plus grande taille. Le travail est décrit dans l’article de recherche de DeepSeek, publié ensuite dans la revue Nature.
Ce qui le distingue
Il fonctionne autrement que les petits modèles de conversation. Il commence par une longue réflexion, puis donne sa réponse. Selon l’éditeur, il obtient 28,9 sur 100 au concours AIME 2024 avec un seul essai. MathArena, qui l’évalue de façon indépendante sur le concours de 2025, mesure 20 %. Artificial Analysis l’a retiré de ses tests courants et suggère un modèle plus récent de DeepSeek.
Pour une PME, il sert surtout à comprendre ce qu’est un modèle de raisonnement. Pour rédiger en français ou répondre à des questions variées, un modèle plus grand ou plus récent est plus indiqué.
Sources
- DeepSeek-R1-Distill-Qwen-1.5B, fiche du modèle (DeepSeek, Hugging Face) (site officiel, consulté le 30 oct. 2026)
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning (DeepSeek-AI, arXiv) (site officiel, consulté le 30 oct. 2026)
- DeepSeek-R1-Distill-1.5B, résultats (MathArena) (consulté le 30 oct. 2026)
- DeepSeek R1 Distill Qwen 1.5B, fiche d'analyse (Artificial Analysis) (consulté le 30 oct. 2026)
Fiche publiée le 30 oct. 2026, mise à jour le 3 nov. 2026.
Ce que fait DeepSeek-R1 1.5B
- Rédiger, résumer et répondre à des questions en texte.
- Réfléchir par étapes avant de répondre (mode « réflexion »), utile pour les problèmes complexes.
- Appeler des outils ou des fonctions (recherche, calcul, logiciels) quand on le branche à un agent.
- 1,5 milliard de paramètres. Voir ce que veut dire le « B ».
- Il lit jusqu'à 128 000 jetons d'un coup, soit environ 76 800 mots (à environ 0,6 mot par jeton en français).
- Licence : MIT. Lisez ses conditions avant de l'utiliser en entreprise.
Sur quel Mac faire tourner DeepSeek-R1 1.5B
Il faut environ 5 Go de mémoire. Voici les puces Apple et les quantités de mémoire qui suffisent :
- M6 : M6 (16, 24, 32 Go)
- M5 : M5 (16, 24, 32 Go) ; M5 Pro (24, 48, 64 Go) ; M5 Max (36, 48, 64, 128 Go) ; M5 Ultra (96, 256, 512 Go)
- M4 : M4 (16, 24, 32 Go) ; M4 Pro (24, 48, 64 Go) ; M4 Max (36, 48, 64, 128 Go)
- M3 : M3 (8, 16, 24 Go) ; M3 Pro (18, 36 Go) ; M3 Max (36, 48, 64, 96, 128 Go) ; M3 Ultra (96, 256, 512 Go)
- M2 : M2 (8, 16, 24 Go) ; M2 Pro (16, 32 Go) ; M2 Max (32, 64, 96 Go) ; M2 Ultra (64, 128, 192 Go)
- M1 : M1 (8, 16 Go) ; M1 Pro (16, 32 Go) ; M1 Max (32, 64 Go) ; M1 Ultra (64, 128 Go)
Sur un PC Windows
Il faut une carte graphique d'au moins 12 Go de mémoire (environ 2 Go nécessaires), et 32 Go de mémoire vive. Comment choisir sa carte graphique.
Sur une station IA
Les stations IA à mémoire partagée qui suffisent : NVIDIA GB10 (64, 128 Go) ; NVIDIA GB300 (748 Go) ; AMD Ryzen AI Max (32, 64, 128 Go) ; AMD Ryzen AI Max PRO 400 (192 Go).
L'installer avec Ollama ou LM Studio
Avec Ollama, une seule commande suffit, une fois le logiciel installé (voir notre guide pour installer Ollama) :
ollama run deepseek-r1:1.5b
Taille et caractéristiques relevées le 19 oct. 2026 sur la page du modèle chez Ollama. La taille est celle de la version par défaut ; une version plus compressée prend moins de place.
Les autres tailles de DeepSeek-R1
- DeepSeek-R1 7B : 4,7 Go, environ 10 Go sur Mac
- DeepSeek-R1 8B : 5,2 Go, environ 10 Go sur Mac
- DeepSeek-R1 14B : 9 Go, environ 15 Go sur Mac
- DeepSeek-R1 32B : 20 Go, environ 28 Go sur Mac
- DeepSeek-R1 70B : 43 Go, environ 56 Go sur Mac
- DeepSeek-R1 671B : 404 Go, environ 489 Go sur Mac
Des modèles de taille semblable
- LFM3 1.7B : 1,1 Go
- Qwen 3.5 0.8B : 1,2 Go
- Qwen2.5-Coder 1.5B : 1,0 Go
- Bonsai 2 2B : 0,9 Go
Par Jacob Bédard
Recevez les résultats chaque semaine
Le duel du mardi et les nouveautés du lundi, dans votre boîte courriel. Désabonnement en un clic. Notre politique de confidentialité.
Labo IA
Un modèle ou un usage à tester ?
Proposez-le au labo : nous publions les résultats pour tout le monde.
Demander un test →