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
5 m: {* m4 M, B0 C8 i" t, c& ~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。
- ~! v; e' s5 A* s6 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。
$ a4 }6 r# K& b2 p* I8 \
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/ U2 d5 w; H0 S
& U1 f  n6 ?. j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
; ?; P+ U6 i+ [: l* s) R* [* u欢迎讨论。
& Y# E. K, F9 n2 w. Z8 L
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
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
7 o9 ]& X4 o" f6 m% u6 X1 y7 w
' x  s: F6 x  q% d# n. t% N7 X我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
2 u* W: }2 W7 }4 ?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/
; |$ a  n2 d$ k( M) _5 q. H

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
  U. X* o$ ?$ |- @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 ...

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
8 S4 j* T) D) h0 u# e显卡用的是3070M 16G，环境是U ...

$ B- B: o! `; R: b% e' D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
; [. d: I- I! M8 z0 U& R  U: \+ [https://www.pmtemple.com/academy/ ...

0 _8 K9 R3 w. f7 _5 w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。

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
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.
- _* K5 b. N4 N& r$ K. b
6 ]8 Y/ D( V) bThe HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
This server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
6 B5 [0 M  f) j# y& oThe Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory
! p' g* t" A( `5 [+ S) _% l3 j
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

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

没那么贵，Amazon 上一条才 $239。16条也就$3,824。
# `: Y  T: ~) v" i2 |
4 n1 |/ v; Y& F4 ~1 H" Qhttps://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1

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
3 |) l: }. W- x; g7 A: y
' y1 R: }3 D) W3 J. R但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
, D, [' u& _" I/ g+ e5 U! y

, p9 M$ C0 Y& l$ e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
5 N8 V8 t$ P* D* C! S3 Q  G1 M( l0 Jhttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

) X+ z, @& q/ v; A
5 H2 F9 {# b) u6 r9 E$ 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）。

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 A; r. u7 F/ ~! d' Z+ c9 {8 N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。
$ W; `6 i. j0 H$ E/ h我的GPU上的CUDA跑满都可以控制在80度以下。
- @- q0 l1 ~* [( y$ Y6 @2 W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。
" t8 m) N* ~* [6 J& w( D
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。

' D, n- d: ?, d  F( r& p  N) I* o! S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! x1 p7 x5 n3 t' h8 s
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。
& r4 R* ?" T" I( x9 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
  t! ]& t: ]) x+ X8 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 ...

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。
( ]; W) g& z. i/ C3 e" a2 ?0 z) Q+ |/ J6 w
( X8 a6 I+ J: `# |3 D( q- uCPU 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 ...

' `: q% o! Y& ^' S我有点成见，总认为机箱上的风扇不够有力，呵呵。
7 r% k8 P5 \+ o
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。
+ f1 U2 R0 g( T- @
所以我的理想型机箱就是一个框架，其他统统敞开了，吹！

# }$ ]/ l4 M7 Y+ J" {6 b2 Q5 g+ o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
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 ...

0 p, Y" X* h  A7 SCaseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。
) e! z. G1 y4 O2 W: I, m
0 O: F0 u- \0 W; u8 }. L# h# t4 \
7 l. C5 H" V1 L( [" d; o; d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。
' d8 h) m7 Q' H" M+ c
: j3 t% W3 ^( y4 c6 h% ]
. N3 m8 K( o. A! I1 m$ w# U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。

" Z/ u* l- e" ^. k
这个确实很赞。
$ q8 R) b7 e) Z, [$ x
1 W' e9 n5 r7 J  F3 W* K4 E8 e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
- D/ `" v2 J* y7 ^) n' X( E  i# 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
8 v& q' v, [; n& h没那么贵，Amazon 上一条才 $239。16条也就$3,824。
. `) N- N' w  w9 I0 _
https://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

, n8 X0 Q; o4 j3 a- r) B* dHP 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。
* s- S+ o4 C2 D9 W; I6 g+ m& n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
, o0 P8 x2 z* f5 p9 w- b2 Q& t! G% `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。 ...

$ t/ b. g/ t7 r' j+ T/ {5 G) D
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。
( Y5 J7 a' l, O
! t# h8 u/ g% D. m; A6 D8 }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。
/ V3 G+ I# W) j& B% h- H7 q
% ]! o4 z% j7 t, ~* Q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。