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
# }+ ]8 m' \& `  }, R" O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 ...

6 |) m: k  ^9 W& u欢迎讨论。

3 ^7 E) G9 G- F9 b6 v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。
4 N% h. E* }7 ~6 H
3 f# i% p$ G/ O) T1 g; q6 F* c% 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%。
- J# i$ K+ }( E% `# x+ W2 V* M
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
3 \; P$ f. ~, H+ Z欢迎讨论。

+ A6 L6 F; E( c& [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 ...

3 k5 A  B- E7 h. 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
6 F; G, o4 G9 {
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
https://www.pmtemple.com/academy/17340/
9 N0 V& F. F4 {; `( |. B3 m

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
0 W* L8 H' n. ?/ Y, k6 ]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
$ _, |4 A0 l6 E3 S4 _显卡用的是3070M 16G，环境是U ...

1 O8 g: |5 D  _9 T/ \7 ^1 |/ g* J9 V
# [% K" V! i2 a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
0 `2 [) b$ O5 t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 ...

$ N" s2 E/ Y% H- g2 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。
$ p) ^8 Y7 j) ?7 H5 P
1 {7 w* R% R6 b) u7 P0 Y! |% 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
% J1 ]. T' W$ N- C: a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
9 @; f& k# K1 x5 o显卡用的是3070M 16G，环境是U ...

1 ^& z+ c" t  \( G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.
- s2 ^9 ~2 O) v- u
8 U# p0 J& ]3 y3 N4 U' m) YThe HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
This server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
. L# a' O' Q& H& s( A8 [3 G- y1 w2 iThe Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory
* F7 u, O# x& V7 x" J, E& J
LRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
! @% u  ]# k) j" YZ840倒是不值几个钱。

孟词宗

0 H+ }1 y* \: [/ B1 h9 ^, R! T+ s! r

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

/ z! N' L: l5 O8 d9 N
没那么贵，Amazon 上一条才 $239。16条也就$3,824。

8 q, b: i5 r/ L$ x7 p/ B8 ?https://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
6 \  Q* x2 N% G
但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
7 e- f. V: N  X! U) b: Y" G

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
% v% i5 @1 X" M4 \# @/ j6 @https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

+ h9 U4 I/ D/ u& Y, R. d6 a
  [7 a2 v6 Y$ S" b. r" h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）。
, q6 M( q9 C5 f/ U* W
) x2 F! c2 e  ~. N9 |- ^+ H7 Q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。
5 R9 h3 P5 E) Y0 ^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。
/ s- x4 n. I6 k, {9 ]# q' {6 R; i我的GPU上的CUDA跑满都可以控制在80度以下。
, ?% M) ^2 u; d4 |3 s$ B8 `5 w2 o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。

2 d! n5 a% c" l, W1 C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。
( K% X6 Q- G- |% T
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。
: B: w0 H- d, j, ^4 V3 j
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。
8 D4 u* r5 M- G
+ |8 n1 W$ G, x7 M2 U+ @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。
8 A5 ^+ y$ A5 [2 S
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 ...

, i! x) V8 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。
' p. z1 h% J* \
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
% g& v/ U( f7 s2 S7 }$ U2 F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 ...

我有点成见，总认为机箱上的风扇不够有力，呵呵。

# O% x- N. Z* _$ O1 C0 G8 g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。

所以我的理想型机箱就是一个框架，其他统统敞开了，吹！
1 A* h$ N) ?$ l+ v% Z
# R0 N+ `6 i, m( d$ n4 Q2 {6 k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。
9 y- x6 `7 F- m; Q. @- Y, C
% }5 P3 [$ N* W8 o6 A1 S' I: u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。
9 o2 ^  I  L* L& ^" b/ N: {! r
) e8 \  C+ U) X8 @5 G! r, c$ 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。
% l& b2 m1 V- B+ c. W: g( a
% H+ r$ d* v, I) Y' m& g! |- a
所以一般都是挂墙上的。造的好点的话还是挺科幻感的。

nanimarcus

+ h$ l* m; i. j: Y+ G* ]

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。

9 ^- F$ }0 c; g9 C0 S, M
这个确实很赞。

+ G, |* t' x4 f$ z6 a5 x. j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。
0 \6 @% Y8 [& \) M
- e8 h6 d7 p( |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
  P# s3 {0 d& e2 l( u6 H没那么贵，Amazon 上一条才 $239。16条也就$3,824。
9 ~  c7 h  {, q+ X8 r
, J3 e) E7 z- N$ A  \* ghttps://www.amazon.com/Tech-2666MHz-PC4-21300-Wo ...

5 F0 S4 H( F) n0 QHP 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。
9 Q1 ?0 u0 c7 }0 r( U  r8 D, `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

( u8 u2 N  [- n4 O$ c

雷声 发表于 2025-4-16 07:27
6 s' ?( _9 [: r, QHP 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。 ...

, v  z  c) }' A  A. Z- R# V  ^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 T& A- S: x7 I
& C  ~. S6 y  c$ `& a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。

2 u$ K1 b8 q$ X4 J9 H0 C' Y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。