{"id":686,"date":"2025-01-29T07:35:31","date_gmt":"2025-01-29T07:35:31","guid":{"rendered":"https:\/\/janusai.pro\/?p=686"},"modified":"2025-01-29T07:37:05","modified_gmt":"2025-01-29T07:37:05","slug":"i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive","status":"publish","type":"post","link":"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/","title":{"rendered":"Destil\u00e9 el conocimiento de la capacidad de razonamiento de DeepSeek-R1 en Qwen2, \u00a1\u00a1\u00a1y los resultados fueron realmente explosivos!!!"},"content":{"rendered":"<div style=\"margin-top: 0px; margin-bottom: 0px;\" class=\"sharethis-inline-share-buttons\" ><\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#%E2%85%A0_What_is_knowledge_distillation\" >\u2160. Qu\u00e9 es la destilaci\u00f3n del conocimiento?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#IICore_concepts\" >II.Conceptos b\u00e1sicos<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#21_Template_design\" >2.1 Dise\u00f1o de plantillas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#22_Reasoning_trajectory_The_%E2%80%9Cthinking_chain%E2%80%9D_of_the_models_solution\" >2.2 Trayectoria de razonamiento: La \"cadena de pensamiento\" de la soluci\u00f3n del modelo<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#23_Rejection_sampling_Filtering_good_data_from_%E2%80%9Ctrial_and_error\" >2.3 Muestreo de rechazo: Filtrar los datos buenos de \"prueba y error<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#%E2%85%A2Generation_of_distilled_data\" >\u2162.Generaci\u00f3n de datos destilados<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#Data_sources\" >Fuentes de datos:<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#Distillation_data_generation_process\" >Proceso de generaci\u00f3n de datos de destilaci\u00f3n:<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#%E2%85%A3Distillation_process\" >\u2163.Proceso de destilaci\u00f3n<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#Teacher_and_student_roles\" >Funciones del profesor y del alumno:<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#Training_steps\" >Etapas de formaci\u00f3n:<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#%E2%85%A4_Example_demonstration\" >\u2164. Ejemplo de demostraci\u00f3n<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/janusai.pro\/es\/i-distilled-deepseek-r1s-reasoning-ability-knowledge-into-qwen2-and-the-results-were-really-explosive\/#%E2%85%A5_Summary\" >\u2165. Resumen<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%E2%85%A0_What_is_knowledge_distillation\"><\/span><strong>\u2160. <\/strong>\u00bfQu\u00e9 es la destilaci\u00f3n de conocimientos?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>La destilaci\u00f3n de conocimientos es una t\u00e9cnica de compresi\u00f3n de modelos utilizada para transferir conocimientos de un modelo grande y complejo (el modelo del profesor) a un modelo peque\u00f1o (el modelo del alumno). <\/p>\n\n\n\n<p>El principio b\u00e1sico es que el modelo del profesor ense\u00f1a al modelo del alumno mediante la predicci\u00f3n de resultados (como distribuciones de probabilidad o procesos de inferencia), y el modelo del alumno mejora su rendimiento aprendiendo de estas predicciones. <\/p>\n\n\n\n<p>Este m\u00e9todo es especialmente adecuado para dispositivos con recursos limitados, como tel\u00e9fonos m\u00f3viles o dispositivos integrados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"IICore_concepts\"><\/span>II.Conceptos b\u00e1sicos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"21_Template_design\"><\/span>2.1 Dise\u00f1o de plantillas<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Plantilla: Formato estructurado utilizado para normalizar la salida del modelo. Por ejemplo\n<ul class=\"wp-block-list\">\n<li>: Marca el inicio del proceso de razonamiento.<\/li>\n\n\n\n<li>: Marca el final del proceso de razonamiento.<\/li>\n\n\n\n<li>: Marca el inicio de la respuesta final.<\/li>\n\n\n\n<li>: Marca el final de la respuesta final.<\/li>\n<\/ul>\n<\/li>\n\n\n\n<li>Funci\u00f3n:\n<ul class=\"wp-block-list\">\n<li>Claridad: Al igual que las \"palabras clave\" de una pregunta para rellenar un espacio en blanco, indica al modelo \"el proceso de pensamiento va aqu\u00ed, y la respuesta va all\u00ed\".<\/li>\n\n\n\n<li>Coherencia: Garantiza que todos los resultados sigan la misma estructura, lo que facilita su posterior tratamiento y an\u00e1lisis.<\/li>\n\n\n\n<li>Legibilidad: los seres humanos pueden distinguir f\u00e1cilmente entre el proceso de razonamiento y la respuesta, lo que mejora la experiencia del usuario.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"22_Reasoning_trajectory_The_%E2%80%9Cthinking_chain%E2%80%9D_of_the_models_solution\"><\/span>2.2 Trayectoria de razonamiento: La \"cadena de pensamiento\" de la soluci\u00f3n del modelo<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Trayectoria de razonamiento: Los pasos detallados generados por el modelo al resolver un problema muestran la cadena l\u00f3gica del modelo.<\/li>\n\n\n\n<li>Por ejemplo:<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"759\" height=\"290\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/b8eff676-f9d7-436c-9ee7-1e423242825d.png\" alt=\"\" class=\"wp-image-689\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/b8eff676-f9d7-436c-9ee7-1e423242825d.png 759w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/b8eff676-f9d7-436c-9ee7-1e423242825d-300x115.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/b8eff676-f9d7-436c-9ee7-1e423242825d-18x7.png 18w\" sizes=\"auto, (max-width: 759px) 100vw, 759px\" \/><\/figure>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"23_Rejection_sampling_Filtering_good_data_from_%E2%80%9Ctrial_and_error\"><\/span>2.3 Muestreo de rechazo: Filtrar los datos buenos de \"prueba y error<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Muestreo de rechazo: Generar m\u00faltiples respuestas de candidatos y quedarse con las buenas, de forma similar a cuando se escribe un borrador y luego se copia la respuesta correcta en un examen.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%E2%85%A2Generation_of_distilled_data\"><\/span>\u2162.Generaci\u00f3n de datos destilados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>El primer paso en la destilaci\u00f3n de conocimientos es generar \"datos did\u00e1cticos\" de alta calidad para que los peque\u00f1os modelos aprendan de ellos.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Data_sources\"><\/span><strong>Fuentes de datos<\/strong>:<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li>80% a partir de los datos de razonamiento generados por <a href=\"https:\/\/huggingface.co\/deepseek-ai\/DeepSeek-R1\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">DeepSeek-R1<\/a><\/li>\n\n\n\n<li>20% de los datos de tareas generales de DeepSeek-V3.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Distillation_data_generation_process\"><\/span><strong>Proceso de generaci\u00f3n de datos de destilaci\u00f3n<\/strong>:<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Filtrado de reglas<\/strong>: comprueba autom\u00e1ticamente la correcci\u00f3n de la respuesta (por ejemplo, si la respuesta matem\u00e1tica se ajusta a la f\u00f3rmula).<\/li>\n\n\n\n<li><strong>Control de legibilidad<\/strong>: elimina las lenguas mixtas (por ejemplo, chino e ingl\u00e9s mezclados) o los p\u00e1rrafos largos.<\/li>\n\n\n\n<li><strong>Generaci\u00f3n guiada por plantillas<\/strong>requiere que DeepSeek-R1 genere trayectorias de inferencia de acuerdo con la plantilla.<\/li>\n\n\n\n<li><strong>Filtrado de muestreo de rechazo<\/strong>:<\/li>\n\n\n\n<li><strong>Integraci\u00f3n de datos<\/strong>Finalmente se generaron 800.000 muestras de alta calidad, incluidos unos 600.000 datos de inferencia y unos 200.000 datos generales.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%E2%85%A3Distillation_process\"><\/span>\u2163.Proceso de destilaci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Teacher_and_student_roles\"><\/span>Funciones del profesor y del alumno:<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n<li>DeepSeek-R1 como modelo de profesor;<\/li>\n\n\n\n<li>Modelos de la serie Qwen como modelo de estudiante.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Training_steps\"><\/span>Etapas de formaci\u00f3n:<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>En primer lugar, la introducci\u00f3n de datos: hay que introducir la parte de la pregunta de las 800.000 muestras en el modelo Qwen y pedirle que genere una trayectoria de inferencia completa (proceso de pensamiento + respuesta) de acuerdo con la plantilla. Este es un paso muy importante<\/p>\n\n\n\n<p>A continuaci\u00f3n, c\u00e1lculo de p\u00e9rdidas: comparar la salida generada por el modelo del alumno con la trayectoria de inferencia del modelo del profesor, y alinear la secuencia de texto mediante ajuste fino supervisado (SFT). Si no est\u00e1 seguro de lo que es el SFT, espero que busque esta palabra clave para saber m\u00e1s<\/p>\n\n\n\n<p>Completar las actualizaciones de par\u00e1metros para el modelo mayor del alumno: Optimizar los par\u00e1metros del modelo Qwen mediante retropropagaci\u00f3n para aproximar la salida del modelo del profesor.<\/p>\n\n\n\n<p>Repitiendo este proceso de formaci\u00f3n varias veces se garantiza que los conocimientos se transfieren suficientemente. De este modo se alcanza el objetivo original de la formaci\u00f3n. Le daremos un ejemplo para demostrarlo, y esperamos que lo entienda<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%E2%85%A4_Example_demonstration\"><\/span>\u2164. Ejemplo de demostraci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>El art\u00edculo demuestra el efecto de destilaci\u00f3n a trav\u00e9s de una tarea espec\u00edfica de resoluci\u00f3n de ecuaciones (resolver ecuaci\u00f3n):<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Salida est\u00e1ndar del modelo de profesor:<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"771\" height=\"328\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/3a53b6a8-36d2-4251-ab0f-8646d7646352.png\" alt=\"\" class=\"wp-image-690\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/3a53b6a8-36d2-4251-ab0f-8646d7646352.png 771w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/3a53b6a8-36d2-4251-ab0f-8646d7646352-300x128.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/3a53b6a8-36d2-4251-ab0f-8646d7646352-768x327.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/3a53b6a8-36d2-4251-ab0f-8646d7646352-18x8.png 18w\" sizes=\"auto, (max-width: 771px) 100vw, 771px\" \/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Salida de Qwen-7B antes de la destilaci\u00f3n:<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"766\" height=\"178\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/51c44a52-01a0-474a-8d47-5483613286fb.png\" alt=\"\" class=\"wp-image-688\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/51c44a52-01a0-474a-8d47-5483613286fb.png 766w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/51c44a52-01a0-474a-8d47-5483613286fb-300x70.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/51c44a52-01a0-474a-8d47-5483613286fb-18x4.png 18w\" sizes=\"auto, (max-width: 766px) 100vw, 766px\" \/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Salida de Qwen-7B tras la destilaci\u00f3n:<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"759\" height=\"260\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/61c7fb80-d903-4339-971c-9613b5ac199c.png\" alt=\"\" class=\"wp-image-687\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/61c7fb80-d903-4339-971c-9613b5ac199c.png 759w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/61c7fb80-d903-4339-971c-9613b5ac199c-300x103.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/01\/61c7fb80-d903-4339-971c-9613b5ac199c-18x6.png 18w\" sizes=\"auto, (max-width: 759px) 100vw, 759px\" \/><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Soluci\u00f3n optimizada: Se genera un proceso de inferencia estructurado y la respuesta es la misma que el modelo del profesor.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%E2%85%A5_Summary\"><\/span>\u2165. Resumen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Mediante la destilaci\u00f3n de conocimientos, la capacidad de inferencia de DeepSeek-R1 se migra de forma eficiente a la serie Qwen de modelos peque\u00f1os. Este proceso se centra en la salida templada y el muestreo de rechazo. Mediante la generaci\u00f3n de datos estructurados y un entrenamiento refinado, los modelos peque\u00f1os tambi\u00e9n pueden realizar tareas de inferencia complejas en escenarios con recursos limitados. Esta tecnolog\u00eda proporciona una referencia importante para el despliegue ligero de modelos de IA.<\/p>","protected":false},"excerpt":{"rendered":"<p>\u2160. \u00bfQu\u00e9 es la destilaci\u00f3n de conocimientos? La destilaci\u00f3n de conocimientos es una t\u00e9cnica de compresi\u00f3n de modelos utilizada para transferir conocimientos de un modelo grande y complejo (el modelo del profesor) a un modelo peque\u00f1o (el modelo del alumno). El principio b\u00e1sico es que el modelo maestro ense\u00f1a al modelo alumno mediante la predicci\u00f3n de resultados (como distribuciones de probabilidad o procesos de inferencia), y el...<\/p>","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-686","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/posts\/686","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/comments?post=686"}],"version-history":[{"count":2,"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/posts\/686\/revisions"}],"predecessor-version":[{"id":692,"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/posts\/686\/revisions\/692"}],"wp:attachment":[{"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/media?parent=686"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/categories?post=686"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/janusai.pro\/es\/wp-json\/wp\/v2\/tags?post=686"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}