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。
% h+ k7 ^! E4 a$ h- J3 [  j  D- `9 U, j& X
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。
& C* l) Y2 i* f' s& r+ r1 Y% u1 W
1 F5 q0 A) s# D7 g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。
$ y0 {7 W0 h, T- j( D: E
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。
8 G. S* G4 n& D0 }
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$700+。它与正式发布的7713结构一致，频率略低，有人怀疑类似于Intel的 ES（工程样品）。主板支持Milan的SP3主板即可。唯一要注意的是内存插槽数，根据DDR4单条内存的容量大小，要能够插出512GB来。
% L- q) p$ I% K# R2 O5 ]. e
* n! H7 ?/ z3 Y1 h
3 p  e- \' u; |+ n& N; L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。

$ }3 h$ y+ W. j2 @8 V! C% b4 b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
- t5 T* z0 f9 L3 G4 @6 N! f（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$150）
" |- |2 `: \+ J6 N$ F
8 V2 }- I9 y  v) C" O# N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。
5 U5 l0 [( G8 W9 @; v+ B+ J
0 w/ i# W' l9 h# X2 ?- r6 s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%
0 h  g2 u0 [" q
RAM 512GB DDR4       1000+
; d! Z# c" J8 i: c3 _( L9 b( Z6 QCPU 7C13或相当           700+
4 P. D- n$ N% B% L$ T主板（单路即可）         500
显卡 3090                  1000- ×2
7 s- z7 s# `% ~8 r% C7 k1 f固态硬盘                     200+
/ B# A/ S6 X! _: j其它 机箱、电源、散热器等
( A! p  Z( p" l
  {( Y, O; X. ^# V" D) `

大黑蚊子

' {- C, N: G7 [! g( \8 d& V6 n' w0 K
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
2 z* g# K+ ~% T3 J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
( s0 [! `& p4 H" ]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
) i( T1 Y. ~0 [! |5 M( G; H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
, Y. q3 r# s, n; w9 h5 Z
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 ...

/ s9 `8 ~  d/ i7 J& {3 {0 J' c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
1 g6 ^! G0 X- h4 f7 ~. T' n% \# O真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

9 {, a" ^# N2 @! U4 j: N; h% |/ J: 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
2 Y9 p; p) k$ z) n' X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，

. H. U: K5 o1 Y6 c2 A攒了以后干啥呢？

testjhy

5 \  p3 E" s& r3 [5 r$ u* c' z5 o& H

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，

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
我估计32B和70B也都不太行
6 I( a$ W- Y/ J) [; e, @1 \: W: f6 n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
  B) F7 N) ~# {6 q7 |9 G* j6 G

  Y& m$ b1 q* N! {" n! A7 c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
攒了以后干啥呢？

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， ...

2 {5 w( H; W. T1 o! k: Y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，{: ...

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
( O' c$ P3 D4 a' O( K' a8 {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
$ [) e& C. u! z0 E' M' X) m我在自家电脑上搞了一个7B的模型试了下， ...

( V" O" _  N  |8 u- G" s: k9 g8 S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
9 t, h* E- Y/ p有这个条件的话，干嘛不玩？
) k0 }! {: i4 M+ r( C, i) R
3 ?# T% g( M4 m( B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
1 {# j" {8 @# {7 t* T6 M
DeepSeek的出现，极大降低了大模型训练和部署的总体成本
/ x8 b' q  p4 V+ |& I8 ~9 b1 sKTransformer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
( W1 ~& R; p0 D  V9 ]1 U, q
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
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。
0 ?, k& H/ T& y# ^( U0 W
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
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- w5 y' N  c) E. a9 \! I+ {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
玩啊，好奇啊，这很可能是通向新世界的大门
. ~/ G4 y' \2 }. B" E6 C) s, U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
, ^9 u# Z, p4 e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。 ...

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。

# g, ]" o" Q+ K' Z# Q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。
" V( G- x" b' \% k
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。
( E' g# S! ]% R" q" P
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。
5 C7 E' m! k: F4 a) \
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
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。
( g* S1 ]( \- k( v$ E9 `% zDDR5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
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
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