DeepSeek R1全参数模型一个可能的本地部署方案

沉宝

DeepSeek一夜爆火，现在联网服务拥堵不堪。当晨老大号召自建farm的时候，本人开始认真考虑本地部署。 KTransfomer的报道也在第一时间见到，并设想了一个以此为基础的装机方案。然后呢，就“铲后抑郁”了。如今很多内容都在网友[大黑蚊子]的记录（链接）中讨论过了，但具体的装机方案大概还有一些价值，还是写出来吧。
; e/ Z6 R% n  T( C) H  ~; o
6 p$ B+ Q; I& ^DeepSeek R1原版是一个参数量高达671B的大模型，虽然比之其它頂尖的人工智能模型在硬件要求上已经大大降低，但个人部署全尺寸模型，依然难度不小。为了便于在低端硬件上运行，出现了一系列蒸馏版减少参数量（以 Qwen2.5 或 Llama 为构架，参数范围从 1.5B、7B、8B、14B、32B 到 70B）。另一个思路是参数量化，例如1.58bit和4bit。一般来说，LLM训练时使用高精度（例如 32位浮点数），而推理时使用低精度（16位浮点数或者更低）即可。1.58bit是把这一趋势推到极端（只有0、1和-1三种状态）。有人试验了DeepSeek全尺寸模型的1.58bit的量化版，结论基本可用，有时候说话可能有点“冲”，圆润平衡上差一些。4bit版效果已经相当好了。至于[xiejin77]担忧的量化影响反馈精度或者稳定性，理论上有可能，但实际影响需要大量的对比实验加以证实或者证伪。
  U& k! a# z/ \; y, R9 @. I1 P" x+ b
. [5 x6 a0 K0 p( `( I6 y下面讨论具体装机方案。首先定一下目标。目标用户：个人或者小团体。鉴于这个模型现在典型的应用场景都是文字的输入和输出，跨网络合用的难度并不大（因为不需要占据太多的网络带宽）。单机，预算定位$5000左右。应该属于一个人咬咬牙能冲得上去，小范围集资（10人以内的那种）能够轻易支付。目标性能：DeepSeek R1全尺寸671B的4bit量化版，输出速度与人的阅读速度差不多即可（个人使用，太快了没有必要），约 5-10 tokens/s。这样的预算，这样的目标，显然需要KTransfomer技术加成才有可能达到。饶是如此，也得按市场最低价加DIY省着来。
) l; Z: _, r: M! b
第一步：内存的大小。将模型的参数全部放入内存是必须的。如果还用硬盘空间扩展出来的虚拟内存，那速度肯定慢的不行。DeepSeek参数精度16bit（BF16）时需要 1342GB的存储空间，4bit量化版所需空间为其¼，再加上程序和操作系统所需，512GB应该可以了。这么大的内存，普通PC机主板肯定不行，要上服务器的。鉴于当前DDR4的内存条比 DDR5还是要便宜不少，所以选择DDR4。
7 x$ q! Y5 Z* k  [/ J! I: X& U
第二：CPU和主板。CPU我选AMD Zen3架构（ Zen3是DDR4的最后一代）的服务器芯片EPYC 7C13, 64 core 128 threads, 市场价仅$700+。它与正式发布的7713结构一致，频率略低，有人怀疑类似于Intel的 ES（工程样品）。主板支持Milan的SP3主板即可。唯一要注意的是内存插槽数，根据DDR4单条内存的容量大小，要能够插出512GB来。


2 ]3 V( E9 W. u  [( m# A$ h+ W# W' F第三：显卡。双3090或者单4090。4090不好买，用两块3090大致能抵上一块4090。
4 B/ `# y) l, A0 @
第四：硬盘。这个要求真不高，如果机器仅仅是为了跑DeepSeek，一个4 TB
（或者两个2 TB）的nvme就够用了。（想当初我在爱坛上发记录推荐固态盘时，一块4TB的才$150）

' W( w$ c, H) r* |其它：说3点。1)普通PC机箱。2)散热避免使用服务器的暴力风扇（ PC机箱也缺乏服务器的风道结构）。如果散热量大，考虑用水冷。3)如果单台大功率电源太贵，可以用两台小的给主板和显卡分别供电。如此需要双电源同步启动板或者同步线，但那东西淘宝上也就人民币10块钱。
2 i( k- k$ j5 e( S8 A5 [5 Y: D
, i/ D" {1 a( ]7 T最后汇总一下。数字为能够淘到的大致美元价，可以接受二手货，+、-表示向上下浮动不超过15%

+ v1 U$ Z+ w; Z, GRAM 512GB DDR4       1000+
# b& T1 v# _# R  e7 K6 |CPU 7C13或相当           700+
主板（单路即可）         500
显卡 3090                  1000- ×2
固态硬盘                     200+
其它 机箱、电源、散热器等
1 `3 g) R* F4 j; M* h( W% V
5 _+ [+ o  ?; l2 A1 ]3 C* m

大黑蚊子

说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径了
; [' C9 ~& H; U% Q; q- {; |; v# I在硬件选型上面我倒是有点儿不同意见，鉴于章明星他们在0.3版里使用amx指令集加速，那么支持amx的Intel至强可扩展CPU应该是要好于AMD的EYPC的，具体来说现在Intel最新款是6代至强，退而求其次选择四代或者五代至强应该也满足要求。章明星团队他们的硬件好像也是双路Xeon 6430
2 j* `# }3 \9 ^# l但是这个成本可能要比你说的EPYC要高不少，但总的来说应该还在可承受的范围之内
显卡的双路配置好像不是特别必须的，主要是4bit量化版需要14g显存，所以如果有一块3090先用着应该问题也不会太大，实在不行多买一块也可以

周末去华强北转转去，看看二手服务器有啥准系统能够直接上手的

马鹿

我看到了国内AI的商机。。。 攒小配置的AI模型！

马鹿

关于方案， 我直接问过deepseek。。。

马鹿

大黑蚊子 发表于 2025-2-20 03:27
( Q5 A' @! D$ R; i5 C说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径 ...

; \$ r* O1 }9 }1 X真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

testjhy

马鹿 发表于 2025-2-20 21:45
真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

; \* @  `' `: K, f1 t/ a社长，美国不是与国内PC价格差不多吗？也仿照沉宝蚊行攒一台呗，

马鹿

testjhy 发表于 2025-2-20 09:50
社长，美国不是与国内PC价格差不多吗？也仿照沉宝蚊行攒一台呗，

攒了以后干啥呢？

testjhy

这是大华股份根据国产芯片的一体机，估计是华为提供的方案供各家贴牌

大黑蚊子

testjhy 发表于 2025-2-20 23:32
这是大华股份根据国产芯片的一体机，

/ V  L3 T- Y% t. Z大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
9 |* B% S0 Q* l* \/ C我在自家电脑上搞了一个7B的模型试了下，真的是不太行
2 T; ^0 Z4 J) ?' ]/ I, S* S/ z我估计32B和70B也都不太行
这个帖子里讨论的应该是直接上手671B的满血量化版，1.58或者4bit版本，这个据多个信源反馈效果挺好的
8 S1 D% {0 }- V5 j
' E& {$ }4 I$ S& ^( F3 \
  `8 _  n5 v* l, f+ d! M/ [; J8 F不过这个单子我倒是可以拿着去嘲笑下大华的朋友“你们钻钱眼里了？搞这个文字游戏骗钱”

testjhy

马鹿 发表于 2025-2-20 23:19
  o, ?$ x) J6 ?) p( L% \攒了以后干啥呢？

" Z9 I' W$ s4 O8 a! u/ Q想干啥就干啥，吃喝玩乐，

testjhy

大黑蚊子 发表于 2025-2-20 23:38
% d  n% o$ E( Y" _! ^$ s大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
我在自家电脑上搞了一个7B的模型试了下， ...

8 d, h" q$ B8 _3 I找了一个非剪裁图，看了一个新闻，华为提供方案，有60多家企业响应，大华可能是比较快的，找不到价格，

大黑蚊子

testjhy 发表于 2025-2-20 23:45
! j/ j9 A- P, O0 N% b7 Z找了一个非剪裁图，看了一个新闻，华为提供方案，有60多家企业响应，大华可能是比较快的，找不到价格，{: ...

9 H" w' g$ `% H" }& {2 b我要是鼓捣这玩意儿，肯定是找二手硬件啥的，全新设备的价格那还是相当辣手的
0 M* M3 Z0 s' e打听了一下Intel的至强4代CPU，现在全球缺货，嘿嘿
- m/ A. M+ j) O5 t1 S去华强北看看有没有QS版本，可能一块就要6000人民币至少

马鹿

大黑蚊子 发表于 2025-2-20 10:38
大华的这个配置没啥意义，你看跑的都是蒸馏版的7B/14B/32B模型
我在自家电脑上搞了一个7B的模型试了下， ...

! T+ l0 R- P4 y9 \  @/ [$ M$ l好奇你攒个模型做啥？

大黑蚊子

马鹿 发表于 2025-2-20 23:53
好奇你攒个模型做啥？

  L  f2 c: P: Z& b+ g% |
; ^6 W% L# p1 c( ^  |6 x( B' D玩啊，好奇啊，这很可能是通向新世界的大门
/ J2 r0 g8 B- u9 P6 f/ _有这个条件的话，干嘛不玩？
0 K& k0 `# P2 ^
; Q/ I$ W0 U  D: ?, O/ I现在大部分人还在懵逼状态中，只是知道个大模型的东西，具体怎么搭，个人知识库怎么建，私有服务怎么处理...好玩的需求多着呢

+ Y- s2 C3 Y9 h% kDeepSeek的出现，极大降低了大模型训练和部署的总体成本
KTransformer架构的出现，打响了极大降低大模型部署和私有知识库服务的硬件成本的第一枪

+ w9 v; @7 J- v- l: T9 U这种能够降低90%成本的新技术出现，大概率后面会蕴藏着10亿级别的新的相关应用和服务空间
* _, S# `5 R. h3 x" u玩的过程中也可以吸收很多其他的知识，认识其他稀奇古怪的人，包赚的啊

沉宝

大黑蚊子 发表于 2025-2-20 16:27
说实话我也在琢磨这个玩意儿，几万块钱搞一个这个玩玩，在AI新浪潮初期真的算是一个比较高性价比的学习途径 ...

这取决于对问题的理解和取舍。首先在大模型计算中，GPU的能力远远强于CPU，即使那个CPU有amx指令加速。所以在预算有限的前提下，应该尽量省下钱来加强GPU。当然如果实测一块3090够用了，那更好。
  K6 D3 X$ d8 ^& s% [" e
$ O' i9 ^6 [% |. t$ z对比EPYC与Xeon 6530方案。Xeon 6530 2023年底发布，还比较新，主板加CPU的折扣有限。而EPYC Milan则要旧得多，有大批从数据中心退下来的二手货可选。即便有amx加成，但架不住7713的核多，单挑的话还是应该7713赢。而双路7713的话只不过比我的原方案多一颗U的钱，其它几乎不用改。个人认为CPU的第一位作用是保障参数全部装载在内存，计算加速还在其次。章明星团队的努力是充分挖掘手头现有硬件的全部潜力，amx加速是新版才加上去的，可见并非重中之重。

pcb

大黑蚊子 发表于 2025-2-20 23:53
2 f- [% ?$ X4 M4 Y6 m$ \! K& Z% ]我要是鼓捣这玩意儿，肯定是找二手硬件啥的，全新设备的价格那还是相当辣手的
$ m% E9 _9 Z/ Z% |& O2 C6 k打听了一下Intel的至强4代C ...

"至强" 是 Xeon？

马鹿

大黑蚊子 发表于 2025-2-20 11:03
( |0 }6 ^# a) O; K玩啊，好奇啊，这很可能是通向新世界的大门
+ j$ u1 X) M* u5 _- u/ s# x' ]有这个条件的话，干嘛不玩？

握手， 我也是，就是好奇。 也同样认为这是通向新时代的大门。

xut6688

在本地部署满血版的DeepSeek R1, 性价比太低了，还不如用各个云厂商的API。 自己学习，玩一玩用云API就好。至于本地部署的蒸馏R1，我试过各个版本包括70B的，效果都不好，和原版差太远。我自己玩着用本地部署的模型做了一个RAG应用，最后发现蒸馏R1还不如原版的QWen2.5 32B。

大黑蚊子

xut6688 发表于 2025-2-21 05:30
在本地部署满血版的DeepSeek R1, 性价比太低了，还不如用各个云厂商的API。 自己学习，玩一玩用云API就好。 ...

/ I" i! a) H8 j" n: x( v& e所以为啥盯着671B的版本呢，就是这个原因，其他版本的性价比其实都不好。
# S$ h  U- {; n2 k$ Y* t) G
1 c0 X1 _, B5 K% m& m目前有海量的本地部署满血版DeepSeek的需求，因为太多的数据受商业或者法规的限制不能上网，这个部署的整体过程是有很大市场需求的。
1 _4 I5 g3 S) S+ ?/ W  h/ U
DS和KT的诞生，不是拉低了对算力的需求，而是通过降低成本做大了整体算力需求。

4 b/ |  c& j& Q! g& {4 ]& _# e而且部署过程中的调优和配参，踩过的坑，以及反复琢磨和资料学习的成果都是自己的。

再说了，都是二手硬件，搭完之后上闲鱼卖掉，亏不了多少钱

大黑蚊子

沉宝 发表于 2025-2-21 00:16
这取决于对问题的理解和取舍。首先在大模型计算中，GPU的能力远远强于CPU，即使那个CPU有amx指令加速。所 ...

我建议你再看一下KTransformers的相关资料
" U7 B  p# d8 i/ G, w' v这个玩意儿的本质是在低并发（甚至是单并发）的情况下，高度依赖CPU/DRAM带宽，从而降低GPU需求的降本做法。
DDR5换DDR4的话，带宽砍半，对应token的数量就要起码减半
CPU的带宽再砍半的话，又要丢失速度
  K! F( j/ r" }" c" `& b如果CPU/DRAM带宽不够的话，甚至3090可能都喂不满，无限下降螺旋在降低成本的同时会极大影响使用效果
# |/ ^3 k& U  [( l对于咱们来说，跑起来不是胜利，能够最低限度可用才是核心需求所在啊
我觉得起码要搞个输出4-6token/s才行吧
按你这个方案我估计可能1-2token都悬