DeepSeek R2 32BvsQwQ 32B
Comparativa completa entre DeepSeek R2 32B (32 mil millones de parámetros, DeepSeek) y QwQ 32B (32B, Alibaba). VRAM requerida por cuantización, tokens por segundo medidos en 4 GPU de referencia, veredicto por caso de uso, licencia, comandos de instalación. Todas las cifras se calculan a partir de los datos del catálogo — sin copiar y pegar entre páginas.
En resumen
| Característica | DeepSeek R2 32B | QwQ 32B |
|---|---|---|
| Parámetros | 32B | 32B |
| Familia | DeepSeek | Qwen |
| Autor | DeepSeek | Alibaba |
| Origen | CN | CN |
| Licencia | MIT | Apache 2.0 |
| Contexto | 128 000 tokens | 131 072 tokens |
| Fecha de lanzamiento | — | marzo de 2025 |
Huella de memoria
VRAM aproximada necesaria para la inferencia con una ventana de contexto media. El ganador (en verde) es el modelo que consume moins — ventaja para los pequeños.
| Cuantización | DeepSeek R2 32B | QwQ 32B |
|---|---|---|
| Q4_K_M (ligero) | 19 GB | 19 GB |
| Q5_K_M (equilibrio) | 23 GB | 23 GB |
| Q8 (casi sin pérdida) | 35 GB | 35 GB |
| FP16 (máxima calidad) | 64 GB | 64 GB |
| RAM (solo CPU) | 32 GB | 32 GB |
Velocidad estimada (tokens/segundo)
Estimaciones basadas en la mejor cuantización viable en cada GPU. Las cifras reales dependen del prompt, del contexto y del motor (llama.cpp, vLLM, MLX). Metodología.
| GPU de referencia | DeepSeek R2 32B | QwQ 32B |
|---|---|---|
| RTX 4090 (24 GB) | 30 tok/s · Q5_K_M | 30 tok/s · Q5_K_M |
| RTX 4080 (16 GB) | ✗ demasiado pesado | ✗ demasiado pesado |
| RTX 3060 12GB (12 GB) | ✗ demasiado pesado | ✗ demasiado pesado |
| Apple M4 Pro (48 GB) (36 GB) | 12 tok/s · Q8 | 12 tok/s · Q8 |
Veredicto por caso de uso
Para cada uso habitual, indicamos cuál de los dos es el más adecuado según sus etiquetas, su tamaño y su especialización.
Tu ChatGPT privado y gratuito en tu máquina en 1 hora — LM Studio, Ollama, Open WebUI, tus documentos, sin nube.
- Espacio en línea de por vida
- PDF + archivos
- Reembolsado 30 j
Fortalezas y debilidades
DeepSeek R2 32B
Razonador denso 32B MIT. AIME 92.7%. Cabe en una RTX 4090 en Q4.
- Razonador denso 32B MIT. AIME 92.7%. Cabe en una RTX 4090 en Q4.
- 32 mil millones de parámetros
- Licencia MIT
Instalación
QwQ 32B
Razonador RL Apache 2.0. AIME24 79.5, MATH-500 90.6. Competidor directo de DeepSeek R1.
- Competidor directo de R1
- 131k ctx
- Apache 2.0
- Verboso en modo thinking
- YaRN requerido por encima de 8k
Instalación
Preguntas frecuentes
¿Qué modelo funciona mejor en RTX 4090 (24 GB): DeepSeek R2 32B o QwQ 32B?
En una RTX 4090, DeepSeek R2 32B funciona en Q5_K_M (~30 tok/s), QwQ 32B en Q5_K_M (~30 tok/s). Si solo consideramos la velocidad de generación, QwQ 32B gana. Consulta el configurador para probar tu GPU concreta.
¿Cuál consume menos VRAM?
Ambos requieren la misma VRAM en Q4 (19 GB). La elección se basa entonces en la licencia o la calidad percibida.
¿Se pueden usar estos modelos en producción comercial?
DeepSeek R2 32B se distribuye bajo la licencia MIT — de libre uso comercial. QwQ 32B está bajo la licencia Apache 2.0 — también libre. Para SaaS, prefiere Apache 2.0 o MIT.
¿Cuál elegir en 2026?
Depende de tu restricción principal. Más pequeño / más rápido : DeepSeek R2 32B (32B). Más capaz : DeepSeek R2 32B (32B). Si dudas, abre el configurador con tu GPU y tu caso de uso — decidirá en función de ambos.
Alternativas a considerar
Si ninguno de los dos te convence, aquí tienes otros modelos similares que podrías explorar.