DeepSeek R1全参数模型一个可能的本地部署方案

沉宝

大黑蚊子 发表于 2025-2-21 14:10
我建议你再看一下KTransformers的相关资料
# H* s+ N, R+ b& I: G  _" N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 ...

欢迎讨论。
/ z4 e" d+ U0 j8 [" N7 q- i
首先，个人以为KTransformers的最核心最精华的是抓住了DeepSeek模型参数的稀疏性。DeepSeek是基于MoE的，回答某一个具体问题时只有部分参数高度活跃。KTransformers可以动态调度，把这部分高强度计算交给GPU（好钢用在刀刃上），剩下的则由CPU完成。所以CPU部分对系统整体性能的影响不如GPU大。作为佐证，上一帖我提到了章明星团队在几次版本迭代更新之后才把amx加速添加上去。

CPU/DRAM带宽对系统性能的影响不是简单线性的。老实说，我没有咱们现在讨论的这样大的系统的实际经验。我只能根据在台式机上看到的现象做一些外推。Intel的12代和13代同时支持DDR4和DDR5，DDR5内存下整体成绩要比DDR4好一些，不过差距并不大。至于到显卡的带宽，我也可以说一点。我们知道目前大部分显卡的插座都是PCIe×16。外置显卡时，因为各种原因往往不做16路通道，比方说仅仅实现了8位通道。那么这个PCIe×8的显卡游戏性能下降多少呢？绝对在30%以内，常常也就10-20%。
$ G/ M7 o% V' d" @2 K9 ?
以上这些是我没有简单照搬章明星团队的配置，而为省钱做了一些变更的原因。

大黑蚊子

沉宝 发表于 2025-2-22 00:10
欢迎讨论。

首先，个人以为KTransformers的最核心最精华的是抓住了DeepSeek模型参数的稀疏性。DeepSeek ...

; k# W. z. Y, p+ v; \' ~$ [0 q刚刚看到一个案例，有个朋友用2686V4 x2 加256GDDR3跑起了671B的Q2.51版本
( s' H( ~9 }6 K5 Z+ T6 f显卡用的是3070M 16G，环境是Ubuntu 24.04.2
输入大概是10不到一点，输出大概是5，勉强可用
因为都是整的垃圾配件，总体的成本大概不到4000人民币
# ]  h. }1 l8 k2 Z8 \, A3 H5 @
我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
如果是这个速度的话，个人轻量使用已经没有特别大的问题了

数值分析

这里有篇文章是谈万元以下服务器部署DeepSeek-R1 671B + KTransforme的
4 p& ~; A* Z7 ?, Bhttps://www.pmtemple.com/academy/17340/

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
/ v6 |0 z# B/ {/ h3 j4 N刚刚看到一个案例，有个朋友用2686V4 x2 加256GDDR3跑起了671B的Q2.51版本
显卡用的是3070M 16G，环境是U ...

$ E2 l# l9 @# H& f8 [# x4 g
' P: k! H, K: A/ g1 ~" h我觉得别对Q5以下的版本抱太大希望。Q5 以下只能说是能跑，但效果实在不敢恭维，很多情况下出来的回答都不是 AI 幻觉，而是文不对题。在决定投钱搞硬件前，还是建议先化小钱租个服务器，下载不同的压缩版看看效果再确定要用哪一版，用什么本地硬件。

沉宝

大黑蚊子 发表于 2025-3-10 22:25
刚刚看到一个案例，有个朋友用2686V4 x2 加256GDDR3跑起了671B的Q2.51版本
& ~0 B/ H/ x, s+ N显卡用的是3070M 16G，环境是U ...

: H- M# I: C/ O这做得很厉害了。点赞！

沉宝

数值分析 发表于 2025-3-10 23:42
% S& @$ d3 x. g这里有篇文章是谈万元以下服务器部署DeepSeek-R1 671B + KTransforme的
https://www.pmtemple.com/academy/ ...

这么多案例，很有参考价值。

孟词宗

有 512 GB RAM 的话，基本 Q3 以下都可以跑。Huggingface 上量化版不少。例如这个：https://huggingface.co/unsloth/DeepSeek-R1-GGUF 从 Q1 到 fp16 都齐全了。Q1 的几个版本甚至只要 256 GB 就可以跑了。
0 A4 d* t3 l5 H
但是，量化版压缩了尺寸，同时也压缩了功能。个人感觉 Q5 以下基本都是渣渣，回答大多逻辑不通。

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
  u7 E* E) I2 w; s* |- L" P刚刚看到一个案例，有个朋友用2686V4 x2 加256GDDR3跑起了671B的Q2.51版本
显卡用的是3070M 16G，环境是U ...

7 P3 w& x  w" ^6 j4 ?% |8 ]: ~性价比更好的是 HP Z840。这玩意儿有2X Intel Xeon E5-2678 v3 up to 3.1GHz (24 Cores Total)，最好的是有16条内存槽，按 Intel 的说法，每个 CPU 可以到 768 GB DDR4。两个就是 1.5TB （实际 HP Z840 号称能到 2TB），正好可以跑 DS-R1 671b 完整版了。

雷声

孟词宗 发表于 2025-4-15 10:41
性价比更好的是 HP Z840。这玩意儿有2X Intel Xeon E5-2678 v3 up to 3.1GHz (24 Cores Total)，最好的是 ...

https://cloudninjas.com/collecti ... 40%20will%20support,Reduced%20server%20(LRDIMM)%20memory.

The HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
This server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
  c7 K, {+ s0 O8 z7 `* jThe Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory

+ v# ^+ T; ^6 \  W- W6 K, v: rLRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
8 M4 D1 s5 c; b6 [4 ]$ AZ840倒是不值几个钱。

孟词宗

) }% L+ \7 b4 l+ e4 k3 J+ W

雷声 发表于 2025-4-15 11:18
+ n% O6 a/ q) s: Z7 r- t! Shttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

7 x5 d+ Z5 s0 s& ~0 W- L7 ^! m没那么贵，Amazon 上一条才 $239。16条也就$3,824。

: ~* z. c9 S" r& xhttps://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1

) Y8 l+ z  S5 d1 n3 ?# Q/ z# k+ L1TB 的kit 稍微便宜一点， $1,908, x2 就是 $3,816： https://www.amazon.com/Tech-8x12 ... amp;sr=1-1&th=1
: k& w9 M7 i4 Z, P$ D0 |4 ~9 `
2 U( s  c" i9 }& x) b4 \* Y但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6

0 V. p" }) T: e
$ x! R) F$ }5 H当然，真要上这个，最好买以前和卖家咨询一下，这些 RAM 是否可以装 Z840。我估计 Z840 出来这么多年，大概最多也就有人装到 128 GB，毕竟这不是 server 而是个工作站而已。

孟词宗

雷声 发表于 2025-4-15 11:18
: M4 A5 M' y8 x0 P$ v2 T5 |1 lhttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

& e5 t5 g1 H: j, ^7 N+ j4 C: D顺便说一句，如果只是要跑压缩版的话，我在另一个帖子（http://www.aswetalk.net/bbs/foru ... read&tid=161700）里已经说过，如果有192GB的 RAM 就可以跑 IQ1_S（131 GB）， IQ1_M （158GB）（假设没有显卡加成）。

1 J8 y1 X: w) j0 d不要显卡的话，搞个Intel core ultra 9 285k 或者 AMD Ryzen 9 9900x3d 加上 192GB DDR5 和 4TB 的 SSD，一般也就 $1,500 左右就搞定了。

nanimarcus

散热的问题，你把机箱敞开，左右两片直接给拆了，开个小风扇对着吹就是了，斜着吹，从前往后，CPU显卡电源一起吹，别去搞太复杂的冷却方案，水冷复杂且容易坏。
, Z- e  l" V# \% T/ E2 {( e当然，有点吵，放在别的房间，用网络连接好了，命令行，远程桌面都可以。
" B- C: I8 w  ~服务器那种结构就是隐含你用那种暴力风扇，对散热并不友好。
, m( i' c! D" \( s8 ]我的GPU上的CUDA跑满都可以控制在80度以下。
当然奢侈一点，放在空调房，调节一下空调出口，把机箱放在桌子上，对着机箱吹能降下很多，这才是真正的水冷加风冷。

孟词宗

如果是为了跑本地大模型，显卡没有必要搞顶级的家用卡。相比速度，更重要的是显卡的显存有多少。
3 {0 m" l( G7 m8 Q1 z
( G0 y- E0 B! A5 a+ Y( N) T; Z  w从性价比来说，两块3090比一块4090要好，这是因为3090仍然支持 NVLink。连接后显存会显示为 48 GB。这就可以容纳很多模型了。

& {/ |$ q9 O9 E( x2 N, b2 e( {  }0 p2 O但3090的问题是功耗, 350W 起步，两个就是700W，对电源要求高了。而且还得找有足够空间的主板和机箱。而且价格也不便宜。4090 现在给炒到 3650 美刀左右，3090 则是 2000 美刀。加起来就不是小数字了。
+ b; L3 q) P( T& M! I
对于显卡，我倒是推荐这个：PNY RTX 4000 Ada VCNRTX4000ADA-PB 20GB, 市价1500 美刀左右，有20GB。虽然不能串联，但这是个 Single Slot card。一般好的主板能塞三四个。功耗单卡才130瓦，三个加起来也就才相当于一个3090。而三个卡加起来 60 GB，Ollama 可以跑很多 LLM 了。

否则也可以弄个 PNY NVIDIA RTX 4500 Ada Generation 24GB GDDR6，这也就2300美刀左右，但显存和4090 一样。两个加起来相当于一个 4090 但显存要多一倍。

当然，俺的理想卡是公布但还没有正式开售的 RTX PRO 6000 Max-Q https://www.pny.com/nvidia-rtx-pro-6000-blackwell-max-q。这玩意儿有 96GB 显存，还可以用 NVLink 串联。最大可到四张卡384GB，而单卡功耗不过 300W。
4 B8 W5 f8 T/ P  b# l
9 h) j1 l+ ~0 j当然价格据说也挺感人，要 $8,565 单张。

孟词宗

nanimarcus 发表于 2025-4-15 12:58
) `' u3 Q: G/ z5 E' s/ G5 o+ V散热的问题，你把机箱敞开，左右两片直接给拆了，开个小风扇对着吹就是了，斜着吹，从前往后，CPU显卡电源 ...

, b  w& }+ O/ n, |同意风冷，但用不着这样 DIY。可以用 联力 LANCOOL 215 https://lian-li.com/product/lancool-215/。这机箱正面两个200毫米的风扇吹气，后面一个140毫米的抽气，足够用了。用风扇的时候，机箱应当关上，这样风速比敞开的更快。
9 q# G( o+ @* I
* B+ C) N4 O: i. D: JCPU 和 显卡的冷却还是不能省的。倒不是风扇，而是它们的散热片不能省。有了散热片才能有效散热。风扇本身是不是装在CPU和显卡的散热装置上不重要。

nanimarcus

孟词宗 发表于 2025-4-15 14:12
: d, Q7 b+ h9 v* n: w同意风冷，但用不着这样 DIY。可以用 联力 LANCOOL 215 https://lian-li.com/product/lancool-215/。这机 ...

, l0 M6 t' n5 w9 p我有点成见，总认为机箱上的风扇不够有力，呵呵。
& ^& t) l( d/ e# q0 E) D! a- G
. ~# c# z. q% D" u  H' u+ v% h所以总认为机箱敞开了另外架个风扇吹特别有力，至少视觉上如此。
& S- x: ~2 \0 L. V
9 W9 x$ Q3 f1 T2 p9 p: u8 @! f" \所以我的理想型机箱就是一个框架，其他统统敞开了，吹！
/ U' {7 n6 Y5 d% O3 I, J
另外，CPU上带的散热片过于庞大，多少会造成主板变形，所以我的机箱是平放的，如此一来显卡是竖起来的，这样两个最重的部分不会造成形变。

孟词宗

nanimarcus 发表于 2025-4-15 17:35
! n; O8 [  Q% F: H  L我有点成见，总认为机箱上的风扇不够有力，呵呵。
9 J# u+ b5 ~, P( P8 B5 @
所以总认为机箱敞开了另外架个风扇吹特别有力，至少视 ...

Caseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。
" z& I7 R. Z  M5 F! K
# n) W# c& o: i) g* F
主要问题是像下面这个放桌上的，如果一不小心撒点饮料上去就容易把电脑废了。
# z+ S7 E0 {* a4 n2 Z9 g
9 N6 i9 A, w# `
3 U' m$ n, S) N1 L所以一般都是挂墙上的。造的好点的话还是挺科幻感的。

nanimarcus

孟词宗 发表于 2025-4-15 21:45
Caseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。

3 o+ I3 m; P$ B( c9 g: o
7 q& N6 B% m9 [& ]这个确实很赞。

& A) [5 I# t  J- y1 X" ]* d/ D第一三张好像放不了全尺寸显卡。
第二张全尺寸显卡的散热好像不太好。

孟词宗

nanimarcus 发表于 2025-4-15 23:26
8 ?8 l, v2 `# E* n1 v6 I( J' m这个确实很赞。

第一三张好像放不了全尺寸显卡。

都是全尺寸显卡。第一、三两张中的显卡散热被魔改成水冷了。所以看不到明显的显卡。实际上两个机器应该都是双显卡。第二张的显卡问题不大。很明显不是80或90级别的。根据电源才600W来看，应当是3060或4060级别的。这个显卡的原装风扇还在，制冷应当还行。

雷声

孟词宗 发表于 2025-4-15 11:58
+ P, v" J4 u6 h( t没那么贵，Amazon 上一条才 $239。16条也就$3,824。
) m- Z5 }/ }, u: c
https://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

2 O+ O4 r) {8 G& F. sHP Z系列G4以后支持Intel® Optane™ Persistent Memory，买二手的话更便宜。不过表现怎么样就不好说了。
* f: @: C- `; O; {! ZZ6/Z8 G4也可以上到2TB，加上PMM的话更多，价格比Z840也贵不了多少。
. a( ~& K5 q; j; ]话说Z系列是真不错，我09年买的一台Z8现在用的好好的，而且比公司配的新Alien还快。

孟词宗

雷声 发表于 2025-4-16 07:27
8 c8 E: t9 L8 ?- p( _2 b* h7 i. AHP Z系列G4以后支持Intel® Optane™ Persistent Memory，买二手的话更便宜。不过表现怎么样就不好说了。 ...

HP Z8 G4 号称可以最高支持 3TB 不过这得看 CPU。如果单个 CPU 只支持 768 GB的话，那两个 CPU 最多也就 1.5 TB。大多数旧的 HP Z8 G4 都最多 1.5 TB。
) T1 [( ?8 m7 |* x
性价比来说你说的很对，Z8 G4 的确更合算一些。尤其是不少旧机器本身就带了 1.5 TB。这比自己买要合算多了，也省事多了。

9 R& o/ ~& U4 f4 i$ C从跑 LLM 的角度讲，应当是可以跑，速度勉强可以接受的程度。俺那个三年旧的机器，如果不用显卡，跑 DS-R1 的 70B 蒸馏版最快也就两三个token每秒。Z8 G4 跑DS-R1 的671B版本应当只会更差。毕竟内存更慢，模型更大，CPU更老。