DeepSeek R1全参数模型一个可能的本地部署方案

沉宝

DeepSeek一夜爆火，现在联网服务拥堵不堪。当晨老大号召自建farm的时候，本人开始认真考虑本地部署。 KTransfomer的报道也在第一时间见到，并设想了一个以此为基础的装机方案。然后呢，就“铲后抑郁”了。如今很多内容都在网友[大黑蚊子]的记录（链接）中讨论过了，但具体的装机方案大概还有一些价值，还是写出来吧。
7 l( u% I% S  @* G" t0 d$ g5 ~) ^3 L' m
DeepSeek R1原版是一个参数量高达671B的大模型，虽然比之其它頂尖的人工智能模型在硬件要求上已经大大降低，但个人部署全尺寸模型，依然难度不小。为了便于在低端硬件上运行，出现了一系列蒸馏版减少参数量（以 Qwen2.5 或 Llama 为构架，参数范围从 1.5B、7B、8B、14B、32B 到 70B）。另一个思路是参数量化，例如1.58bit和4bit。一般来说，LLM训练时使用高精度（例如 32位浮点数），而推理时使用低精度（16位浮点数或者更低）即可。1.58bit是把这一趋势推到极端（只有0、1和-1三种状态）。有人试验了DeepSeek全尺寸模型的1.58bit的量化版，结论基本可用，有时候说话可能有点“冲”，圆润平衡上差一些。4bit版效果已经相当好了。至于[xiejin77]担忧的量化影响反馈精度或者稳定性，理论上有可能，但实际影响需要大量的对比实验加以证实或者证伪。
# U4 i4 H$ L/ x% v2 G) K
+ A5 N& l1 s' t, b下面讨论具体装机方案。首先定一下目标。目标用户：个人或者小团体。鉴于这个模型现在典型的应用场景都是文字的输入和输出，跨网络合用的难度并不大（因为不需要占据太多的网络带宽）。单机，预算定位$5000左右。应该属于一个人咬咬牙能冲得上去，小范围集资（10人以内的那种）能够轻易支付。目标性能：DeepSeek R1全尺寸671B的4bit量化版，输出速度与人的阅读速度差不多即可（个人使用，太快了没有必要），约 5-10 tokens/s。这样的预算，这样的目标，显然需要KTransfomer技术加成才有可能达到。饶是如此，也得按市场最低价加DIY省着来。
. m  \5 @: o- H+ [: D3 T
第一步：内存的大小。将模型的参数全部放入内存是必须的。如果还用硬盘空间扩展出来的虚拟内存，那速度肯定慢的不行。DeepSeek参数精度16bit（BF16）时需要 1342GB的存储空间，4bit量化版所需空间为其¼，再加上程序和操作系统所需，512GB应该可以了。这么大的内存，普通PC机主板肯定不行，要上服务器的。鉴于当前DDR4的内存条比 DDR5还是要便宜不少，所以选择DDR4。

- A8 \  W6 }9 ~5 J1 p第二：CPU和主板。CPU我选AMD Zen3架构（ Zen3是DDR4的最后一代）的服务器芯片EPYC 7C13, 64 core 128 threads, 市场价仅$700+。它与正式发布的7713结构一致，频率略低，有人怀疑类似于Intel的 ES（工程样品）。主板支持Milan的SP3主板即可。唯一要注意的是内存插槽数，根据DDR4单条内存的容量大小，要能够插出512GB来。

- h4 F2 d4 S% H$ z/ Q$ e
' D4 C) A  L. F& t第三：显卡。双3090或者单4090。4090不好买，用两块3090大致能抵上一块4090。
& W6 u3 m/ s/ w" S' ^) u
第四：硬盘。这个要求真不高，如果机器仅仅是为了跑DeepSeek，一个4 TB
& Q+ J: {; ?  c* I（或者两个2 TB）的nvme就够用了。（想当初我在爱坛上发记录推荐固态盘时，一块4TB的才$150）
1 \) ]7 F1 S7 l$ N* t* I1 Z: }
其它：说3点。1)普通PC机箱。2)散热避免使用服务器的暴力风扇（ PC机箱也缺乏服务器的风道结构）。如果散热量大，考虑用水冷。3)如果单台大功率电源太贵，可以用两台小的给主板和显卡分别供电。如此需要双电源同步启动板或者同步线，但那东西淘宝上也就人民币10块钱。

最后汇总一下。数字为能够淘到的大致美元价，可以接受二手货，+、-表示向上下浮动不超过15%
( _) s! A1 d5 f* I, n, b
- g6 l8 C: Y) s& H* JRAM 512GB DDR4       1000+
/ V* f1 L  N2 e5 {5 DCPU 7C13或相当           700+
主板（单路即可）         500
显卡 3090                  1000- ×2
固态硬盘                     200+
其它 机箱、电源、散热器等

大黑蚊子

说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径了
在硬件选型上面我倒是有点儿不同意见，鉴于章明星他们在0.3版里使用amx指令集加速，那么支持amx的Intel至强可扩展CPU应该是要好于AMD的EYPC的，具体来说现在Intel最新款是6代至强，退而求其次选择四代或者五代至强应该也满足要求。章明星团队他们的硬件好像也是双路Xeon 6430
5 i" ]( }" \9 @( s6 F! J% S; r' w但是这个成本可能要比你说的EPYC要高不少，但总的来说应该还在可承受的范围之内
显卡的双路配置好像不是特别必须的，主要是4bit量化版需要14g显存，所以如果有一块3090先用着应该问题也不会太大，实在不行多买一块也可以
# q% \+ `: f, ?
3 A& U; g: {% H4 C2 y9 n1 w周末去华强北转转去，看看二手服务器有啥准系统能够直接上手的

马鹿

我看到了国内AI的商机。。。 攒小配置的AI模型！

马鹿

关于方案， 我直接问过deepseek。。。

马鹿

大黑蚊子 发表于 2025-2-20 03:27
说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径 ...

真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

testjhy

马鹿 发表于 2025-2-20 21:45
8 X1 y$ m7 t+ g8 Y% V2 l' @3 E, @- Z真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

社长，美国不是与国内PC价格差不多吗？也仿照沉宝蚊行攒一台呗，

马鹿

testjhy 发表于 2025-2-20 09:50
  T' b7 f# v4 ?; ^2 V) i7 v/ Y社长，美国不是与国内PC价格差不多吗？也仿照沉宝蚊行攒一台呗，

( J8 @, M. B. m攒了以后干啥呢？

testjhy

6 a* E# A% X8 G% a5 e) V) Z5 n
这是大华股份根据国产芯片的一体机，估计是华为提供的方案供各家贴牌

大黑蚊子

testjhy 发表于 2025-2-20 23:32
这是大华股份根据国产芯片的一体机，

4 h6 L: B/ x; h' B, Q% j8 _5 h大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
我在自家电脑上搞了一个7B的模型试了下，真的是不太行
) l+ O; T" l/ x; b: K0 O/ ?我估计32B和70B也都不太行
' P8 W5 V3 i$ [这个帖子里讨论的应该是直接上手671B的满血量化版，1.58或者4bit版本，这个据多个信源反馈效果挺好的

' F" W$ z! u) O4 C' W; N
: B& a) ~6 a0 D" Z  i4 w3 w7 \8 ^不过这个单子我倒是可以拿着去嘲笑下大华的朋友“你们钻钱眼里了？搞这个文字游戏骗钱”

testjhy

马鹿 发表于 2025-2-20 23:19
) ?# ^" j8 S9 ~攒了以后干啥呢？

+ |4 c8 ^* a+ D6 E0 ~. R想干啥就干啥，吃喝玩乐，

testjhy

大黑蚊子 发表于 2025-2-20 23:38
大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
我在自家电脑上搞了一个7B的模型试了下， ...

1 {1 F+ t: `/ w/ Y( w! V% O找了一个非剪裁图，看了一个新闻，华为提供方案，有60多家企业响应，大华可能是比较快的，找不到价格，

大黑蚊子

testjhy 发表于 2025-2-20 23:45
找了一个非剪裁图，看了一个新闻，华为提供方案，有60多家企业响应，大华可能是比较快的，找不到价格，{: ...

, u, p2 ]# |5 k( P# N, i4 V: x我要是鼓捣这玩意儿，肯定是找二手硬件啥的，全新设备的价格那还是相当辣手的
打听了一下Intel的至强4代CPU，现在全球缺货，嘿嘿
去华强北看看有没有QS版本，可能一块就要6000人民币至少

马鹿

大黑蚊子 发表于 2025-2-20 10:38
大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
3 ?/ p' \3 E0 t1 ~# W& r7 E5 }我在自家电脑上搞了一个7B的模型试了下， ...

7 X. L# g+ v8 H( a: Y+ D好奇你攒个模型做啥？

大黑蚊子

马鹿 发表于 2025-2-20 23:53
8 i6 v) u: U5 y8 W+ D8 @% y. p好奇你攒个模型做啥？

玩啊，好奇啊，这很可能是通向新世界的大门
2 s- `! b1 X. S8 d- x5 y# Z有这个条件的话，干嘛不玩？
+ v" n9 v' G6 ~) G& ~
# |( B0 p$ J8 v) o/ u现在大部分人还在懵逼状态中，只是知道个大模型的东西，具体怎么搭，个人知识库怎么建，私有服务怎么处理...好玩的需求多着呢

& r: D. s. W; y6 [1 a7 qDeepSeek的出现，极大降低了大模型训练和部署的总体成本
' k8 ]1 @+ c& Q* v/ G  s# H$ OKTransformer架构的出现，打响了极大降低大模型部署和私有知识库服务的硬件成本的第一枪

1 @6 v( H5 E5 p9 a! }* J# o这种能够降低90%成本的新技术出现，大概率后面会蕴藏着10亿级别的新的相关应用和服务空间
2 S0 X) e, G& f6 H1 c玩的过程中也可以吸收很多其他的知识，认识其他稀奇古怪的人，包赚的啊

沉宝

大黑蚊子 发表于 2025-2-20 16:27
说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径 ...

$ T+ B6 S4 t7 Z" t这取决于对问题的理解和取舍。首先在大模型计算中，GPU的能力远远强于CPU，即使那个CPU有amx指令加速。所以在预算有限的前提下，应该尽量省下钱来加强GPU。当然如果实测一块3090够用了，那更好。
* [+ E) t. F, [, b
' Y. [3 [1 ^% K. _2 o# z; z& s对比EPYC与Xeon 6530方案。Xeon 6530 2023年底发布，还比较新，主板加CPU的折扣有限。而EPYC Milan则要旧得多，有大批从数据中心退下来的二手货可选。即便有amx加成，但架不住7713的核多，单挑的话还是应该7713赢。而双路7713的话只不过比我的原方案多一颗U的钱，其它几乎不用改。个人认为CPU的第一位作用是保障参数全部装载在内存，计算加速还在其次。章明星团队的努力是充分挖掘手头现有硬件的全部潜力，amx加速是新版才加上去的，可见并非重中之重。

pcb

大黑蚊子 发表于 2025-2-20 23:53
8 g, a; q5 B( w- r" ~8 Z/ }# M我要是鼓捣这玩意儿，肯定是找二手硬件啥的，全新设备的价格那还是相当辣手的
2 W1 n: o# N( A4 C: a5 [打听了一下Intel的至强4代C ...

6 w9 }, e) z( e# }6 }- X+ t"至强" 是 Xeon？

马鹿

大黑蚊子 发表于 2025-2-20 11:03
玩啊，好奇啊，这很可能是通向新世界的大门
有这个条件的话，干嘛不玩？

" t0 P8 h. {! k; C握手， 我也是，就是好奇。 也同样认为这是通向新时代的大门。

xut6688

在本地部署满血版的DeepSeek R1, 性价比太低了，还不如用各个云厂商的API。 自己学习，玩一玩用云API就好。至于本地部署的蒸馏R1，我试过各个版本包括70B的，效果都不好，和原版差太远。我自己玩着用本地部署的模型做了一个RAG应用，最后发现蒸馏R1还不如原版的QWen2.5 32B。

大黑蚊子

xut6688 发表于 2025-2-21 05:30
- Q" X, z, v8 v在本地部署满血版的DeepSeek R1, 性价比太低了，还不如用各个云厂商的API。 自己学习，玩一玩用云API就好。 ...

+ z9 {3 u' j9 f9 k6 F# O所以为啥盯着671B的版本呢，就是这个原因，其他版本的性价比其实都不好。
( d4 `* V) Q8 R6 d' q5 R
目前有海量的本地部署满血版DeepSeek的需求，因为太多的数据受商业或者法规的限制不能上网，这个部署的整体过程是有很大市场需求的。

DS和KT的诞生，不是拉低了对算力的需求，而是通过降低成本做大了整体算力需求。
5 t4 l  Y; k  u# N6 u1 H: e
9 Q2 A9 Y' }& t, ]7 K而且部署过程中的调优和配参，踩过的坑，以及反复琢磨和资料学习的成果都是自己的。
& g2 \! s6 r% G4 K
- x" V' y# l" ^' f& \2 W再说了，都是二手硬件，搭完之后上闲鱼卖掉，亏不了多少钱

大黑蚊子

沉宝 发表于 2025-2-21 00:16
6 p- E/ G! ^$ ]% A$ R) C! d) @1 l6 ~这取决于对问题的理解和取舍。首先在大模型计算中，GPU的能力远远强于CPU，即使那个CPU有amx指令加速。所 ...

1 _; R; k1 l5 X. }; v; s9 ]我建议你再看一下KTransformers的相关资料
这个玩意儿的本质是在低并发（甚至是单并发）的情况下，高度依赖CPU/DRAM带宽，从而降低GPU需求的降本做法。
DDR5换DDR4的话，带宽砍半，对应token的数量就要起码减半
CPU的带宽再砍半的话，又要丢失速度
- Z: g9 y; e0 v0 k6 x4 A3 I5 t如果CPU/DRAM带宽不够的话，甚至3090可能都喂不满，无限下降螺旋在降低成本的同时会极大影响使用效果
! k. p* x$ U9 Q9 b) ~1 l1 B  Q& n4 q对于咱们来说，跑起来不是胜利，能够最低限度可用才是核心需求所在啊
4 k: k, ~! Y$ y/ r我觉得起码要搞个输出4-6token/s才行吧
0 X# I. R! a( \, V' X9 b2 ]# ?" g按你这个方案我估计可能1-2token都悬