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
1 {7 Y" }/ [6 f* m  u! Q! w我建议你再看一下KTransformers的相关资料
$ z$ L1 y* T- N1 G% H8 U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 ...

/ P, \! Q& t; ~+ c' f- @欢迎讨论。

; v1 c2 X( o; @% L4 e* }; F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%。
# m, Y6 a: z' [7 M
# \+ y2 h1 c$ `- _; f3 y7 {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。
- C* m2 K6 w& x$ u
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 ...

9 U/ `: _; U( F- }" l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Ubuntu 24.04.2
( y6 U. I' m2 w. f3 s! N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
0 }9 g* |9 y  H  H% M
( ^6 ]. a0 c4 |+ m3 k' \9 a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
/ W. O& r3 G# X4 W5 n  T( T) K* }https://www.pmtemple.com/academy/17340/
( A/ |  f: D% }( J6 t

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
& n2 R  [& O. Z! K0 d% N2 u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 ...

+ J$ u  M9 L+ K8 R4 o
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
1 X- q9 R: x0 p. F2 T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
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。
! l# v2 e" ?& |3 Y7 \+ ^0 b
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
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
) N. C; l+ H* Y6 P# {0 c# D; \显卡用的是3070M 16G，环境是U ...

5 V$ g, ], p) @$ C( g3 a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
. A! V& H2 e& D  \, H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.
5 B& M  b% {2 c9 T9 r3 |- VThis server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
+ u* M* i/ R5 r. u" `The Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory

( J0 z4 I9 m( [2 ], bLRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
8 y( P" [9 {) P( x1 f, ]! w4 ?- uZ840倒是不值几个钱。

孟词宗

雷声 发表于 2025-4-15 11:18
1 c: q$ u9 f* F1 i: Xhttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

没那么贵，Amazon 上一条才 $239。16条也就$3,824。
! B4 p" b2 m& C  J. \: S  ]
# D( N3 `  i( ~% C% Shttps://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1
. C8 M9 {2 E0 {" _# V8 P
" G7 [, ^% u" ^1TB 的kit 稍微便宜一点， $1,908, x2 就是 $3,816： https://www.amazon.com/Tech-8x12 ... amp;sr=1-1&th=1
, S' x* t( o7 j  r% ?. L! R$ l
但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6


( u# M" x- e# ~( g! [: k2 G4 S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
https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

5 f7 {  e8 F% ^( k+ X
: ?: I( \. x9 y( Q5 U7 e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）。

  I5 M( i. S( ?# K( Z5 a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。
  ~, _1 Q1 v. b2 M! I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。
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。
我的GPU上的CUDA跑满都可以控制在80度以下。
* b/ K. t% Y$ S8 L% I8 l+ @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。
) n1 X% f7 Y4 B  e+ G
- e1 r7 h+ ~6 m# c3 i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。

9 q: ?0 a/ b4 U' s- R. Q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。

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。
$ O) b% D' m) {6 F5 v9 Z' x
6 z0 b! ]% E3 f) L6 T: K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。
& E1 \' r+ E4 G# k7 b
$ B0 a2 U7 Y8 E) }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。

1 l+ {' T+ A  }3 x' r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
* L0 K2 Z( h- p2 B! g1 p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 ...

( h6 V: `( a- d, c# B8 i" S. @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。
+ u5 b, [$ S# V# f6 Z" F# L9 V+ r
  }5 W0 d. y9 w6 _) w, xCPU 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- p2 P, V0 x  I% t( ]+ H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 ...

* [" R+ o; W* {1 T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。
+ M* ^8 b0 q3 C6 [0 o1 r1 m
. }. l9 n: J: C# q7 h0 a7 o8 U) `所以我的理想型机箱就是一个框架，其他统统敞开了，吹！

* N4 ]. \) U1 I2 W3 A3 I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; M! R1 i8 u* _: W+ L6 ~3 O我有点成见，总认为机箱上的风扇不够有力，呵呵。
' z; {  G0 {. r8 r: z+ q
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。
% c0 w6 p- x. }( T& c8 @. [
. q) c# {. W: Z& I
" v! q0 w- x. f! X' k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。
: ^, G# D' K! f3 P
2 @8 C8 ?6 z. ~1 t; R. w
所以一般都是挂墙上的。造的好点的话还是挺科幻感的。

nanimarcus

! ]/ R- ^! u; p  H3 c4 \

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。

  G. s/ G% `* N2 u1 U& ]
$ @6 |7 f& Z+ K$ w0 j  G这个确实很赞。
, Q0 H* m- N6 A, ^( Z# e% Q( Y7 V4 R
! n, }1 v0 N* O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
; E# U! q, f5 s* p8 I, s2 K9 h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
8 N# t- ]' i& U0 s" U. e' ~- _" Y) ]8 y没那么贵，Amazon 上一条才 $239。16条也就$3,824。
: g5 u7 g2 K: o( i
; K9 g9 _/ b$ P9 y( p1 i& phttps://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

6 R6 a- A% }: f3 p: h+ YHP 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。
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。
  y) T6 [0 D7 u2 R' Y# s/ m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

) A, L9 O$ ]% R$ l. U. t2 l

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。 ...

$ ?$ k+ i& q0 v5 N# q( y# H
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。
. ?# W5 _/ }$ |0 b
1 i6 h$ f. h9 D: ]7 n7 {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。

  w/ `  T8 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。