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。
0 Q; B$ W% a  {
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。
& }8 J* v) Q7 |# W
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$5000左右。应该属于一个人咬咬牙能冲得上去，小范围集资（10人以内的那种）能够轻易支付。目标性能：DeepSeek R1全尺寸671B的4bit量化版，输出速度与人的阅读速度差不多即可（个人使用，太快了没有必要），约 5-10 tokens/s。这样的预算，这样的目标，显然需要KTransfomer技术加成才有可能达到。饶是如此，也得按市场最低价加DIY省着来。
, t1 R1 b% i6 @; @* O4 u% j
第一步：内存的大小。将模型的参数全部放入内存是必须的。如果还用硬盘空间扩展出来的虚拟内存，那速度肯定慢的不行。DeepSeek参数精度16bit（BF16）时需要 1342GB的存储空间，4bit量化版所需空间为其¼，再加上程序和操作系统所需，512GB应该可以了。这么大的内存，普通PC机主板肯定不行，要上服务器的。鉴于当前DDR4的内存条比 DDR5还是要便宜不少，所以选择DDR4。
/ {! i2 T$ e% v0 x" N. h4 Q# j
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。
6 F  a: G% C. |/ K
7 F* N% R8 a3 `: |& l
. Q% u: X0 a6 g/ l# \  R: F3 F/ v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。

. `7 X4 u% u& n  U' U5 ?% k/ {& |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
' D' z# }( k" [3 h& D6 S1 a! s（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$150）
" b9 f4 F1 {' h. v# C3 q# ?+ \6 e
( |5 x8 l4 B* G( c* Q其它：说3点。1)普通PC机箱。2)散热避免使用服务器的暴力风扇（ PC机箱也缺乏服务器的风道结构）。如果散热量大，考虑用水冷。3)如果单台大功率电源太贵，可以用两台小的给主板和显卡分别供电。如此需要双电源同步启动板或者同步线，但那东西淘宝上也就人民币10块钱。
6 U7 ?  _7 S$ v& P3 e3 u  K
- J" q7 s  n0 H2 N0 b- h; L0 m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%
# |( Q& [) f% o! x6 B8 ^
- K" Z$ R5 d  S8 wRAM 512GB DDR4       1000+
6 [$ v+ h* c& _# I) K6 h4 o. _5 YCPU 7C13或相当           700+
0 y4 R8 `8 a( i/ V, t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

; y$ `0 e1 T" g6 R- N! z

大黑蚊子

- y) R& V8 c/ H6 ?9 K5 n2 ~2 R6 W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
+ O$ A& h+ n  H& \8 s  d7 `* Y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
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
" N+ Q2 W1 a7 _, z6 @3 F
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
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 ...

1 V# x, V# v+ j2 M6 G6 B* R4 ~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
* T) z$ B: Y) v* N  O% R( z2 B# F9 M0 n! ~真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

+ {/ t9 }0 @7 @+ L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
: J7 O& ]8 y4 z7 g' W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，

- T7 F& L; m9 K0 Z8 x! r攒了以后干啥呢？

testjhy

- T! F. O7 H2 D3 Y: J. p7 A

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
: ^9 a# M  F3 Q- I: Z这是大华股份根据国产芯片的一体机，

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，真的是不太行
* W( w9 C. g2 s! o$ u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
" X  {# @5 o8 V/ I3 _$ ^+ x2 C
5 ?+ |6 @% t! R" A, {) e
2 s% u1 o4 W4 f3 E, D4 T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
) X7 V7 y  ?; a5 n4 G& R: `攒了以后干啥呢？

+ X9 `  @3 {' _( l' F- g5 B想干啥就干啥，吃喝玩乐，

testjhy

大黑蚊子 发表于 2025-2-20 23:38
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， ...

* k3 P9 Q3 d5 o& }% m# t( j! U  t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
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，{: ...

5 [# P! n  u; C9 |* n5 [. E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
+ H$ x/ x9 l( U9 n5 A' u打听了一下Intel的至强4代CPU，现在全球缺货，嘿嘿
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， ...

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？

玩啊，好奇啊，这很可能是通向新世界的大门
有这个条件的话，干嘛不玩？

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
! \5 B$ a0 n. y. o+ c( }
DeepSeek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
7 w; r4 x% y0 n& e4 X. _$ k( H6 A
# ]. M* M# v. N) s2 J/ q) I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
0 o" w% _0 t& z6 K7 [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
& ~. d1 j3 n. V2 @" a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。
# {1 X% C! g3 i& C# g
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
; l# T7 V% q- `# T9 \3 N) 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
4 R5 w) K0 j+ y0 ]4 k打听了一下Intel的至强4代C ...

0 T+ i  N7 ]0 G. l3 \; ~6 p! L"至强" 是 Xeon？

马鹿

大黑蚊子 发表于 2025-2-20 11:03
玩啊，好奇啊，这很可能是通向新世界的大门
( I% G- H  @9 G  ^  r, i1 k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。 ...

3 t0 t$ E# K: a* P: f' k. O" b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。

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。
2 t! E: i3 H( |5 w
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。

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。
+ r5 M4 M1 ?# B' m
" Z4 L5 O6 l# t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
; E- B! d: ~4 E- A- I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
/ [* _# ~; s6 f# Y. P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
, G6 R4 [1 e/ t! G3 J0 v2 Z* W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
! \; `7 h% Y9 L* F/ b7 Y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
0 ?2 c0 b/ n1 e3 Z" E6 `2 {: [. T2 S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