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
" P! K4 b1 K6 ^* q: F$ a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。

3 y/ d0 V0 A2 |  o5 q/ m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。
' \7 i# g2 Q; D& S9 o
! i6 ~5 K4 y% l# O# S% 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%。
: W2 h) I" e; B# r4 c" C
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. d# k* |% k* v. _* `! i+ q欢迎讨论。
# S( E! P( }+ \) N5 U6 [& {
) I# j; T" q' c9 a0 O* A. `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) G, r8 a! q+ z. B" E! r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
" u. p( B" C( H0 ~( [3 S
我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
1 i6 f; l# X9 ^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/
* d2 B" y" \! ~' J( u: Q  f

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
+ U& m0 }  P, U3 _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
$ o; e* O' w9 s& Y显卡用的是3070M 16G，环境是U ...

. Z1 S+ z( c, y5 R; f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
3 }' I3 i: M/ [; [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 h% L& M& Y* a显卡用的是3070M 16G，环境是U ...

  Z1 t0 ^0 m) \( a2 g1 T3 X这做得很厉害了。点赞！

沉宝

数值分析 发表于 2025-3-10 23:42
+ g- E  q( g# D, x; i3 @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。

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
" g1 h5 Q' }3 X* e% h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 ...

! P$ y8 Q+ U: Z  o2 [+ Z/ Ihttps://cloudninjas.com/collecti ... 40%20will%20support,Reduced%20server%20(LRDIMM)%20memory.

The HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
This server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
! D/ y. l$ w3 k. XThe Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory
8 N4 R% n, z  S7 c7 ^
3 w8 h( i8 ]0 q. |LRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
( _0 ^; t- [$ F8 v' f& y' `6 [Z840倒是不值几个钱。

孟词宗

# s" v( s. y+ h, U3 H

雷声 发表于 2025-4-15 11:18
- A- S- d  j/ W. \% h0 r- ?https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

没那么贵，Amazon 上一条才 $239。16条也就$3,824。

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
  M; d3 U" V( |5 f
8 R: v* O4 H9 x但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
  ^' E* o& W0 k* M
" n, O9 N* J& A$ g5 C
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
" U% ?( v  O' o# N/ f% ?8 y5 Ehttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

# P2 }- V3 S  @/ R, E- ]
- e& P* ~1 ]/ U" s" w- `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。
3 {' `! M! x' g1 _' Z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。
, X1 {$ S9 C* p1 F( Z! |我的GPU上的CUDA跑满都可以控制在80度以下。
1 {0 O$ d( l4 l! u/ ~3 T# Y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。
9 T: T+ d4 K  t2 z; \, R
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。

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。
- J. D* ?! |2 @  L
8 Y9 G" P* w8 O- F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。
; m9 C4 q+ ?1 l' T: ^- 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
) O; B6 i7 K5 f7 u1 `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。
5 t6 I" s0 q' `* b1 g
$ F+ h* ]" x' Z6 K3 d; LCPU 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 ...

3 j! v/ a/ ]; D9 w8 W& f1 ?我有点成见，总认为机箱上的风扇不够有力，呵呵。
9 D: A, N! i, }5 ~
+ H7 v  |4 y, Y: ~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 I) X/ p; X# P. t. L' X所以我的理想型机箱就是一个框架，其他统统敞开了，吹！
! P9 L% ^; z$ B6 V0 c0 u7 y
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。

4 g% S+ p$ N9 m$ N. W4 d! a$ D! `( r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。
) ^$ X6 I- Q$ z: d. M

8 V! j) h7 J4 A2 f7 ~9 m( W* |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。


) c. n# k4 Q$ l! a! S所以一般都是挂墙上的。造的好点的话还是挺科幻感的。
1 N( g( i  ?- T1 q

nanimarcus

* v/ A/ F* G" e' n

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。

. i4 ^5 h7 q8 O4 ?, ?
这个确实很赞。

* ?  l1 _3 \' a" p) Z8 W0 F2 _0 R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
6 B- H. \% t: ?; O+ }, o  Q1 Q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
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。
( s4 K$ p  ?  u5 U5 h( T+ L  qZ6/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
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。 ...

# d; W' W! h4 v; K* W! l: [
/ ^0 m5 b7 ?0 [+ S! i# ?: 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。
2 M8 R! B6 u0 s% a0 c) y
) ?1 G: a- X! h* C+ u) M. ~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。