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 ...

欢迎讨论。

  X1 y  ~! R9 I" ~' v* n' 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。
% x$ v8 W; K( V( X7 @
0 H% a9 z, x5 f7 |5 E6 JCPU/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%。

: v3 n: f% U% h) [4 R9 L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
; z& C  i5 c2 x: s% E" M$ j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
; M( c; z- i  d, `: s1 g  p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
; a3 C# ]6 e0 l9 |, T因为都是整的垃圾配件，总体的成本大概不到4000人民币
. o* [" n. k9 O% a& ]1 {* m& H2 l" u; D
我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
- @# `# U" P3 }1 d7 J, e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/

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
- C% _& G+ T6 Y* ~2 `: ?) 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 ...

6 P% A% G6 D' J2 {/ o0 W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
+ s7 l# I5 l- s, j4 y3 r3 y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
; g+ l1 H& K( J. v这里有篇文章是谈万元以下服务器部署DeepSeek-R1 671B + KTransforme的
; `" c# v) Z+ a' z" [0 t- Shttps://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 H/ k* X. ~; o' c: e1 Q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
8 R' ]2 l1 l0 Q* g) K% a/ Z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 ...

1 S% s+ c1 {8 ~" O: U6 \4 {# ~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
: Q$ |. i- y2 M! k0 E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 ...

, K* X: ?, Z0 M% B8 m6 Shttps://cloudninjas.com/collecti ... 40%20will%20support,Reduced%20server%20(LRDIMM)%20memory.
9 L6 X8 h& v7 E0 A  `9 b, z7 Q
  ?4 L) |. s  H7 O2 T* n- i, B8 n9 IThe HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
This server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
$ q  G' W8 ?9 c; k1 yThe Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory
/ w) q2 H+ i& \, k4 r) k
LRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
  v# U1 G7 S7 ]/ @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 ...

: V% k: T+ i) k: x$ s没那么贵，Amazon 上一条才 $239。16条也就$3,824。

4 A0 _3 U" [  i) {* c3 @https://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1

% G- q1 S' v" R9 [8 _% X1TB 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

但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
/ C2 _/ j: V; P) g& Z
" [* n* D0 q# c; ]
! X- h. [# C6 z9 u! `/ l% 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
8 D4 y: M3 l6 P  Jhttps://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）。
& P# W* u# T- r( H% e3 K& _2 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。
3 n* b, f3 k$ ?; u2 }1 n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。
5 p2 E1 G- r9 }0 u+ N. D0 R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。
* t0 [% f3 [6 W* U1 K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。
1 x2 H1 h3 Z1 G, V: P
3 `/ f; [' ]: j4 c; I. i6 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。
( F  E1 u1 |* t3 V  ]; S( g
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 A" ?- Z7 U  W/ f
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。
+ U) ^# ~1 u- l4 a$ c, A* [6 h, A
- I9 @6 b- a( f& D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
) l0 I- S, H+ o# y! O5 x% a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 ...

2 s* X: H6 X2 }; R, K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。

6 z1 X* J. X! L0 h0 D% gCPU 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
+ l1 D9 D2 O5 w; e; d5 z6 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 ...

7 Y% T" _: F2 ?' U+ [$ |' j我有点成见，总认为机箱上的风扇不够有力，呵呵。

1 ?! `- W: Y/ R5 e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。
7 V+ t% k3 _3 [+ p
所以我的理想型机箱就是一个框架，其他统统敞开了，吹！
/ p7 W7 ]* k* x* h
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。
! y- Y3 c; D. u8 y9 ^/ T/ s9 T4 `7 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 ...

Caseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。
3 {$ Q! W9 I$ l1 ^. ~

$ ]5 G+ b* X0 K& M$ i2 H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。
. D: _" `' t0 l8 q9 O

: Z( g/ g( N& x- F1 Y所以一般都是挂墙上的。造的好点的话还是挺科幻感的。

nanimarcus

2 t. f2 ]' Q* v+ F+ ?

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。

8 `( o# E2 K) V) q9 C5 |
0 `; `, L" }/ G7 B" q% p4 `这个确实很赞。
( C5 c# i" S( P4 b9 Y: ^
3 ]$ M8 l6 G6 M, x9 R* H. U3 @5 A8 N第一三张好像放不了全尺寸显卡。
7 U4 O0 v3 V9 [; h+ U% t5 U7 e* x/ o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
2 L, ?; [. T% N! E5 b2 ~这个确实很赞。
7 ~. ^/ \% O; Z
第一三张好像放不了全尺寸显卡。

; j* J0 y/ T& P; V% b. Y5 ?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
! s& k- B! E$ x% M没那么贵，Amazon 上一条才 $239。16条也就$3,824。
" W& Q+ d6 L, j& ~
+ H- g6 U0 E  Ehttps://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

4 B+ |  W$ H5 r" d" LHP 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。
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
, y* `7 y5 J  F, V! H# {' i( 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。 ...

3 W: Y# F" X& v/ A; yHP 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。
) R5 i6 W' O( {- u6 Z" O6 l
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。
7 _1 P) A5 g6 f; i9 L0 s
+ [  T5 O( ?7 [$ f+ @2 {% E( D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。