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。

) ?) A( }  \3 yDeepSeek 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。
* K8 B) C8 t1 n1 m3 ?
7 H$ G! c1 `- S0 A, }4 T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。

- b$ _! j" G. N- p0 }2 A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。
; j' _9 w0 r5 s: S
& W+ t9 u; X2 Y' [3 }; 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。
" u2 a# e7 ?# f
0 t/ ^- C/ J- c3 D. |1 Q
/ R. {8 m( i; U# P4 [. t* i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。
; ]; v4 @7 w+ f2 E" f
/ A" C4 r; O& \. O. B/ I; p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）
1 s6 V5 W" P1 C4 [
6 G4 H- c) q+ g3 X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 O1 z7 I/ K4 L* B  p% e: P9 W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%
4 |. F/ n& C3 `4 s, ]
RAM 512GB DDR4       1000+
: E0 A( }3 I  c3 OCPU 7C13或相当           700+
主板（单路即可）         500
# S/ p2 _/ d$ T: A显卡 3090                  1000- ×2
9 D- L4 j# ~+ r6 J固态硬盘                     200+
; r# U' d# [6 H, V. l& S; g其它 机箱、电源、散热器等
7 t/ p9 D* ^$ n4 d
( r) U' T2 H/ `9 Y, m

大黑蚊子

5 z; y  m7 d, }+ Z! Y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
4 D& s% l$ C! o6 q6 S, V- n# g6 b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
2 i% B, |" o! @+ f8 ^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

$ \+ c5 E0 |: ~2 Y) T; b" i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
, ^7 U) j) X4 Z8 J6 s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 ...

# ^+ A. M; q- s' o  i# H, T8 N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
( e5 `+ ?* x" ]8 Y6 d( c1 n真心羡慕国内了。。。我90年代自己攒过打游戏的计算机。。。

- M8 q9 b& J: h1 l6 L/ {( O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
* l$ l8 T$ G/ y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

/ {) v! L+ z/ D) w. u

7 g8 b! M0 P$ I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
7 u0 V0 p2 A* t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

, h2 U/ x1 T8 E6 \8 y# h
7 e* P$ k; V7 D' \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
1 y" s; m3 B* P6 q% y: \1 c我在自家电脑上搞了一个7B的模型试了下， ...

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
  D8 F% u5 _, t8 ]( W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
1 E' r. ^; f9 l# F4 o- y! b4 [) R我在自家电脑上搞了一个7B的模型试了下， ...

0 Q$ V$ ?  z/ Y6 l& J好奇你攒个模型做啥？

大黑蚊子

马鹿 发表于 2025-2-20 23:53
2 a3 J6 u0 b1 z( D! J好奇你攒个模型做啥？

. A3 `  b6 U: e* x, b+ G4 Y
( P9 h' P5 n! P, P" ~, I6 D玩啊，好奇啊，这很可能是通向新世界的大门
* D. x' Y/ U* J/ M# v有这个条件的话，干嘛不玩？

$ O8 _0 p( G9 j$ H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 q* g7 t' X, t3 ]
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

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
! o! [, o0 T* \  ?  y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
+ t, l& ]5 i# T8 X$ \7 [" W0 P4 |; z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。
3 s9 R: A" ^- u3 p" p4 |: t( T
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
/ G  H& K- H2 m, \9 e. L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
& s* F/ ~9 `$ @0 K& a3 s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
6 O+ k& v$ e' M4 u" A0 f有这个条件的话，干嘛不玩？

$ ~/ \  [6 _1 W0 Q. X: C+ a$ V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。 ...

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。

4 K3 }6 L) q- v( T* o" J& a0 ?$ W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。

. }6 ]1 T! g9 ^/ o4 d7 M8 o. EDS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。

0 Z' D9 }1 [1 N8 w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。
) U3 V2 L9 X2 R' S0 i
! g% f/ P6 d- d8 j# o( C7 y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
! p, r7 k2 H& E( }+ \% T) O6 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 ...

2 R8 F& X. g. p/ p3 Y0 n我建议你再看一下KTransformers的相关资料
0 l, j- I1 j  r! N! D- H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。
! A+ w8 V5 M! E' r' r& N% lDDR5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
5 q0 r! m- P2 c) f& K3 T" A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