它是什么？
DeepSeek-R1-Distill-Qwen-1.5B 是 DeepSeek R1 蒸馏家族里最小的成员，2025 年 1 月与完整版 DeepSeek-R1 一同发布。蒸馏版以 Qwen-2.5-Math-1.5B 为 base 架构，用 671B 参数的更大教师 R1 生成的 80 万个链式推理样本对其微调。最终得到一个 1.5B 参数的模型，能在数学、代码、逻辑任务上做显式的逐步推理 —— 成本只是 R1 的一小部分，硬件要求也低得多。
核心规格一览
（请参考上方规格卡，数据来自结构化数据层。）
什么设备能跑？
1.5B 版本 Q4 量化下大约 1GB 下载量，几乎在任何设备上都能跑：Pixel 7 及以上、iPhone 14 及以上、Snapdragon Copilot+ PC、任何现代 Intel/AMD 笔记本（纯 CPU 即可）、Apple silicon Mac。纯 CPU 5-10 token/秒，慢但可用；Apple silicon 笔记本或入门 GPU 上 50-60 token/秒；Snapdragon NPU 加 ONNX 优化下短 prompt 首字延迟 < 70 毫秒。
优势与局限
优势。 1.5B 体量下做出真正的链式推理 —— 端侧同行里独一无二。从 Qwen-2.5 base 继承的 Apache 2.0 许可证。小到能与其他模型同设备共存。数学和代码上特别突出；在做推理增强 agent 时无需 prompt 技巧就能自然路由进推理流。
局限。 质量受参数量限制。AIME 2024 pass@1 28.9% 对比完整版 R1 约 80% pass@1 是显著差距 —— 别期待前沿模型水准。仅文本，无视觉、无音频。开放式任务上不如同尺寸的通用聊天模型流畅。推理深度越深延迟越高 —— 链式推理输出本身就比较啰嗦。
适合什么场景？不适合什么场景？
选 R1 Distill 1.5B 当： 你的工作流以推理为主（数学作业助手、代码助手、逻辑 agent）；你要部署到低端硬件（4GB RAM 笔记本、中端手机）；你需要显式的链式推理输出来保证透明度；你看重 Apache 2.0 许可证。
别选它当： 你的工作流是开放式聊天（Gemma 4 或 Qwen 3.5 通用性更好）；你需要多模态（Gemma 4、Phi-4-multimodal、MiniCPM-V）；你需要前沿推理质量（云端跑完整 DeepSeek-R1，或等下一代蒸馏）。
与相似端侧模型对比
最相近的两位：Qwen 3.5 2B（通用、多语种、多模态、262K 上下文）和 Ministral 3B（通用、同样 Apache 2.0、有视觉）。R1 Distill 的差异化是更小尺寸下显式针对推理调优。完整横评见 leaderboard。
在 Cove App 里的真实落地
Cove Voice 用 Gemma 4 整理语音笔记 —— 这是通用聊天式总结，Gemma 更广的流畅度更胜任。R1 Distill 1.5B 适合做推理密集的扩展：用显式逻辑提取行动项、结构化任务拆解、或数学相关转录。我们已经原型化它作为 Cove Voice 的未来模式之一，给希望看到链式推理总结而非 bullet list 的进阶用户使用。