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
: o0 N4 w+ V! }- s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。

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。

- Y4 I3 l$ Z9 D9 G5 c( cCPU/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%。

1 v$ w; B) s7 z5 \  X7 w) o/ ?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。

, s' ~0 J' T7 d% j% r$ o- c1 \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
  X; j/ s2 l( c0 X0 K7 G, ^8 d9 q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
5 y3 \" p2 l6 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
$ [$ V* u+ Y0 ?% [5 ?# A; T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
1 G: l" Y3 B" v; ?% c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 ...

. o3 `' u8 ]9 i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
8 L$ C, n* r/ h. h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
, f0 N2 j" v! f( v8 e显卡用的是3070M 16G，环境是U ...

) [7 B  d* T( @$ O: e( I/ I9 g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。
* n+ ?5 O- s' D8 U  u
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
! B! o0 q# u0 L8 s% G8 F  `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 L( B4 s* N: Q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
/ c3 Y3 S* R" ]; e: Q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 ...

' G) Q% |' f) ?) l$ j# hhttps://cloudninjas.com/collecti ... 40%20will%20support,Reduced%20server%20(LRDIMM)%20memory.
3 v3 n0 r, I  L
The HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
- c* a3 \) r! Y5 S/ [This 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
3 K7 b" w4 Z8 H5 |4 e' Q0 }
6 G/ z* B/ ~" h) }  g# iLRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
& D. S" v8 p1 zZ840倒是不值几个钱。

孟词宗

+ `) b" y+ j4 Q! s4 b* z( {! D

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

1 x0 Z! p) N5 Q$ L7 N+ s# q2 f/ L
没那么贵，Amazon 上一条才 $239。16条也就$3,824。
0 O4 a5 {+ T& w; D
# z% M# v" ~: F3 o+ k# q" O: q  O1 thttps://www.amazon.com/Tech-2666 ... cp-nq_eMQV&th=1
9 V/ ^) E$ y$ i" Z2 m5 x' p5 i- R
1TB 的kit 稍微便宜一点， $1,908, x2 就是 $3,816： https://www.amazon.com/Tech-8x12 ... amp;sr=1-1&th=1
3 G. s" E- }$ p5 T3 Q2 s
但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
# }. v: Y+ U# I/ v2 Z" z
9 f2 G. E! Z! e# M
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
$ I% e4 {2 T- ]8 C" A/ _https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

% G! S, I4 ^1 _% |: {) R6 q
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。
6 L. C( ^/ v( I0 f5 X! Z& D% j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。
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。

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。

, o5 ~+ [9 ~7 F2 A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。
$ L$ K6 }/ L' g' d# P4 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。
& O* O8 r& b# ?6 v' s9 A" }
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。
: y3 U; i; @2 c+ @2 X
5 m) Z, O4 J5 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。
: R2 g  v* e5 v1 s9 A
' w* G  ^& V& R0 _( \# r( s! 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
/ Z9 f0 H8 i3 q7 t+ }3 b# @$ ?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。
; S& K0 @% m" Y7 g- L
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
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 ...

0 v' M+ `: C9 N( g) {! G我有点成见，总认为机箱上的风扇不够有力，呵呵。
) |  g# ~& I* I6 R: Z6 B
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。
. [. G) W9 w" u+ \: B
所以我的理想型机箱就是一个框架，其他统统敞开了，吹！
* _! t% n% n& t! S  K! h6 l; s) v
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
/ _: V  M; l0 \" H+ n' C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 ...

' G# L2 D% @1 H: \2 T4 u6 y; MCaseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。


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。


/ y; M; U1 q2 i4 Q" G% h. O所以一般都是挂墙上的。造的好点的话还是挺科幻感的。
% S* g' j; ~. i/ {! P

nanimarcus

孟词宗 发表于 2025-4-15 21:45
/ [8 s; n7 y: p# y% vCaseless 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。

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
$ U6 G: @' p$ n( e8 R这个确实很赞。

# g  z% n# y; `; l第一三张好像放不了全尺寸显卡。

* h" S2 v* e% Q/ ^& q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。

https://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。
6 }1 j- q" G0 T$ n2 w2 |! W" XZ6/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

* U% q( s% x, O6 k0 l1 G! M

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。 ...

2 B6 F' P1 A3 D2 J) ^" T* }
$ {: u+ W- A" h7 j, B) t9 lHP 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。
  h) v* k: P. b* x0 T
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。
" @% h& ^9 q$ S) Z+ j8 s
) j; |9 j# N2 v+ {( D' h0 [7 n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。