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
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 ...

1 p6 z+ H+ V- M$ y, y, _- Y欢迎讨论。
6 p  j$ y3 l( h( Y. f
* z1 I$ {- o' s% B9 S! o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。
0 M; ]+ L0 J( V: W7 p  F% S% a
" v& K- V$ W6 h$ ]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%。

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
0 ?, e) K  Y- h* D7 Z. h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 ...

+ g- |. K" r, j3 s( c2 E& z( 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
  v1 e: y" k/ f+ R6 I! K显卡用的是3070M 16G，环境是Ubuntu 24.04.2
3 r, W. U9 G) ]- D1 I, c: i输入大概是10不到一点，输出大概是5，勉强可用
' e( m$ h; s5 j% L因为都是整的垃圾配件，总体的成本大概不到4000人民币

我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
& ^. x9 D9 ~- B4 R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
; \. e. j2 Q1 I) ?https://www.pmtemple.com/academy/17340/

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 ...

3 H; c/ X5 I4 \  L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
4 z: W% }% Z6 y: w' v* O* V- W5 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 ...

这做得很厉害了。点赞！

沉宝

数值分析 发表于 2025-3-10 23:42
- f+ p, A8 d; E5 p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/ ...

1 f" U  \" ?- ^/ p. ]' @# @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。

: h0 t5 d. k- }, v: |8 S- L7 n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
) e' q# z( I* ?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 ...

  x8 T* s( v. M/ X+ e* H4 Ohttps://cloudninjas.com/collecti ... 40%20will%20support,Reduced%20server%20(LRDIMM)%20memory.
  u5 y1 g- _$ K- t4 g- M( t
( a! A! \- r2 M: ]The HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
: p- _1 g* m* }$ u" A& EThis server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
The Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory

7 C; S; Q$ T1 [8 N* r0 b4 JLRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
* O+ E2 N2 U/ bZ840倒是不值几个钱。

孟词宗

' m5 r# ]) L1 @$ V

雷声 发表于 2025-4-15 11:18
https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

' k! P0 |+ {9 a! S/ u+ z$ u" \- f1 n8 e
没那么贵，Amazon 上一条才 $239。16条也就$3,824。
( N' M- Z* n& Z: J& P- m
https://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1

2 }' A. [- ?8 b' q% D2 J4 D1TB 的kit 稍微便宜一点， $1,908, x2 就是 $3,816： https://www.amazon.com/Tech-8x12 ... amp;sr=1-1&th=1
0 Y$ ]# t( z5 m3 g3 X
但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
6 w* c" K" f% o$ a

9 D4 G1 z7 b9 V7 Y- E7 D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
! p% _% O4 U3 b- v, V: vhttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

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）。
( b* p$ |& t' c' d- Y: O
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。
3 L$ Q( ^3 o% V* J$ }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。
* k6 s4 }" e3 x6 {0 V  a& h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。

, X+ G4 Q" C; t! N& e# H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。

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。
4 p/ z7 A9 m( m* h! |
% x$ r9 ~: }! j  x4 |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。
$ @, m  _+ K0 G, C5 \& r
+ z% J7 ]. S3 S/ k' w2 D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。

6 e2 d1 z1 ?  _# {4 w" 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。

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 ...

. C; W! q2 e2 \  J3 c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。

CPU 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
3 \5 v1 b/ k0 K8 e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 ...

9 z( F: Q( @: O9 N$ X7 g/ k我有点成见，总认为机箱上的风扇不够有力，呵呵。

$ D/ W! ^8 W/ b* k( b: X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。
1 i2 o7 l2 x2 V& [8 f7 Z7 H# x
) w" a0 I# I& H$ W$ `所以我的理想型机箱就是一个框架，其他统统敞开了，吹！

3 P1 u, b7 W+ d/ l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
- R- o7 N' j3 f我有点成见，总认为机箱上的风扇不够有力，呵呵。
; L* S( d' q* T* F! j9 k
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。
+ V! d2 L# z+ D: [2 r+ I
/ ]8 ~- ~" d- N1 ]5 z* Z. c
( |# O* }( ?' P1 I  `" x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。
% t, B6 D# G: C9 ^# c4 E* f+ y
* y: a0 V; P- B- I* q
所以一般都是挂墙上的。造的好点的话还是挺科幻感的。

nanimarcus

6 ?$ H. I3 _: y  n) z: l! a

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。

; x0 {# W. m1 K/ j( ~1 o, W
; I# n; Y, ]0 B) }9 B0 p这个确实很赞。

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
这个确实很赞。
# e$ y5 b! K% j7 l" [
, Y/ K  i3 q6 v) p第一三张好像放不了全尺寸显卡。

& ~& u2 U; ^: M+ h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
没那么贵，Amazon 上一条才 $239。16条也就$3,824。
( {' a- m; N7 O0 i0 _% L3 W" }1 C
https://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

/ b/ E3 N% E2 [3 VHP 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。
- R6 I* S6 e; V  N$ T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

* Y: H/ |& A9 ?, O5 }) S

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。 ...

& }$ F  h: G  e- n* y/ C
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。
6 N8 }* K" z% N& w& z! u
+ |; m0 R3 m) \: e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。