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
0 `: |4 }& }# K. M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 ...

; F  K0 r+ R1 S9 M$ n( t2 V欢迎讨论。
1 f+ F! l2 \3 P+ a& u
3 _" N! t* ~- U) Z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。
" Q5 h% G! h. \8 |! I. T' z
6 [' Y: E" ?3 {" s* |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%。
& S/ b- v: H) {( A% I% `
% D9 p4 S; _. j) P4 i  a- G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
, H* b2 s; h! ^1 q( r! d2 d. z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 ...

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
' R# q& ?1 o+ ^8 {6 _! H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
( g' D. W' q: J
我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
4 O  s/ X, w" i; W. ~: W: V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
https://www.pmtemple.com/academy/17340/
5 @- ~. A, r! _& O* U6 ?/ z

孟词宗

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
显卡用的是3070M 16G，环境是U ...

  U2 I) R/ r9 e6 S" M0 ]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
显卡用的是3070M 16G，环境是U ...

这做得很厉害了。点赞！

沉宝

数值分析 发表于 2025-3-10 23:42
这里有篇文章是谈万元以下服务器部署DeepSeek-R1 671B + KTransforme的
% K/ a7 J/ M* N4 Mhttps://www.pmtemple.com/academy/ ...

0 ]. m' t, n  X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。
  C, |0 E9 T8 q. n' T2 u* e2 F
5 V$ c8 Y' M, c/ b' z6 ]+ _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
* ]+ z/ @( s" k/ X* m6 l2 b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
+ S3 J  J# y2 c1 z: j: L4 ~5 S显卡用的是3070M 16G，环境是U ...

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).
0 B5 R2 R# L/ Y3 Y8 ]6 q: lThe Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory
5 R. F+ f6 w7 M0 a) H; F
LRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
Z840倒是不值几个钱。

孟词宗

  P8 w* [- n0 v7 V, D& \

雷声 发表于 2025-4-15 11:18
% A5 l: _; R/ [6 Y3 i% Lhttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

4 l  y) z6 V4 ~) l
5 Q2 p; b$ t! h1 H没那么贵，Amazon 上一条才 $239。16条也就$3,824。

8 B% B4 i6 B! {0 }https://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1

. c: o' V8 t4 @( t8 ?" k; e1TB 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
9 [; ^; ]  k1 k1 F6 k& [3 O; N
但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6

6 s! G' Q, _2 X# m& C
. Z: ]9 n$ o8 f/ P) q. B' j- A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
* h, ^. v2 {: e6 m. ^% }, c0 w* [https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

# k! ?) f/ A8 k4 n; C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）。
; d3 R- e9 o! g3 r$ j1 n
3 R3 ]) _4 @1 J! G! w$ ^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。
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。
7 ~0 }4 r$ [( U1 c: N( F5 B$ B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。
7 E( _. O# V" Y, D$ g我的GPU上的CUDA跑满都可以控制在80度以下。
  l1 k+ Y" _, T2 j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。

% ~7 v% j- c8 N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。
& A+ c, n& q! y+ U" r; u
8 ]- m% B  ^( {% d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& A# a) Y. S: L. K$ |* `" P/ _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。

, v3 s% |) B7 [+ l+ G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。

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
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 ...

4 y8 D3 \* e# M0 K* u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。
4 S* G, p" U" f; [
* C' S+ P' C/ B+ r/ d1 G3 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
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 ...

我有点成见，总认为机箱上的风扇不够有力，呵呵。

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。
- C3 e) l1 w: d, t& m% n
所以我的理想型机箱就是一个框架，其他统统敞开了，吹！

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
: c. Q1 g9 E: F* B" z我有点成见，总认为机箱上的风扇不够有力，呵呵。
% j, `; v/ q$ L
所以总认为机箱敞开了另外架个风扇吹特别有力，至少视 ...

3 g7 |2 I2 h$ o9 c$ V5 ZCaseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。
2 c7 q  A, |/ T3 \/ G

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。


所以一般都是挂墙上的。造的好点的话还是挺科幻感的。
( j4 j6 C+ I0 I3 _4 j* [3 C+ d5 d  g# z

nanimarcus

孟词宗 发表于 2025-4-15 21:45
: a  K3 [! V+ O7 y4 L4 @# ~5 F) h! t5 oCaseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。

这个确实很赞。

) p& ]1 i% e8 \4 T% Y第一三张好像放不了全尺寸显卡。
" J  ^, P+ w; h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
这个确实很赞。

, f+ L" d. ~; O2 L1 D6 e5 B9 x第一三张好像放不了全尺寸显卡。

: W9 b9 [  `1 v. l7 i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
, h0 R2 H4 {5 X% ?没那么贵，Amazon 上一条才 $239。16条也就$3,824。

8 t& D% n+ @+ H3 T; Lhttps://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

HP 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。
: H" a" |$ A1 L  f$ ]Z6/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。
& l- X# J4 N& B) i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
HP 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。 ...

5 D9 N9 r7 C0 l/ E
8 c# F  f2 e# b# N1 e/ XHP 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。

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。

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。