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
  U' f5 E& v( b% Q' m我建议你再看一下KTransformers的相关资料
4 P+ I; @8 M9 j6 `& i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。

' L4 L3 j) G  k+ q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。
! z+ V; J3 j+ |* B
CPU/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%。

0 D1 H1 M2 _' T' q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
4 K( ~% w) t* t2 p1 q5 M( n4 R欢迎讨论。
, [* L0 d* p% s/ V  F8 T  H; v- U3 M
* z4 p1 Y/ a/ t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
  ?4 }! f, o2 M/ G& c/ B" B6 U7 M显卡用的是3070M 16G，环境是Ubuntu 24.04.2
; M# [- J+ \( g6 O1 j: w输入大概是10不到一点，输出大概是5，勉强可用
9 [& H* P6 Q5 B! o9 H因为都是整的垃圾配件，总体的成本大概不到4000人民币
1 W- n; b. P) }, T' T, C# z
我估计如果他能够用DDR4+至强的话，应该可以到7-8的输出
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/
% ^) r4 @3 E  p2 R

孟词宗

大黑蚊子 发表于 2025-3-10 22:25
" w$ H( i  C) X; x# ?: _/ a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
6 Q! b" A0 ]* d" J显卡用的是3070M 16G，环境是U ...

. v* l  B# _) E9 h- z( r! Q
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
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 ...

7 C6 D* {/ Q) m1 T6 q这做得很厉害了。点赞！

沉宝

数值分析 发表于 2025-3-10 23:42
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
2 B' W$ _9 v0 l3 H; N% ?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 ...

3 P& t! @0 r, j+ N% A  L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
. b3 R. I6 e/ N7 [4 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 ...

$ i0 L" m# j3 hhttps://cloudninjas.com/collecti ... 40%20will%20support,Reduced%20server%20(LRDIMM)%20memory.
' W* r+ `: {- b$ E* J; `, L
The HPE Z840 will support 4GB, 8GB, 16GB or 32GB DDR4 Registered.
+ s( i+ z2 ~2 C4 K/ U8 w) i% G# iThis server will also support 32GB, 64GB or 128GB Load Reduced Modules (LRDIMM).
The Maximum amount of RAM the HPE Z840 server can hold is 2TB (16 x 128GB) of Load Reduced server (LRDIMM) memory

LRDIMM 128GB的话一条要1400~2000刀，16根的话。。。。 好像也不便宜了。
Z840倒是不值几个钱。

孟词宗

  j2 p4 N9 z' X8 H( X( E: ]

雷声 发表于 2025-4-15 11:18
https://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

2 {6 C6 K( K7 Q  n( r
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

  p! q  V) c9 S. ^- w" Y1TB 的kit 稍微便宜一点， $1,908, x2 就是 $3,816： https://www.amazon.com/Tech-8x12 ... amp;sr=1-1&th=1
1 K# Z3 w6 s$ X7 i+ _7 S# Y
3 _- |7 M# f7 ~8 X6 I. X但如果上 2TB 的kit 反而要 $4,319 : https://www.amazon.com/Tech-16x1 ... ctronics&sr=1-6
+ d* o. \0 c. o
4 I! }5 K+ D. |9 r  G
, j9 L3 A2 P- ^. c1 O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
( h/ m" p6 z7 @) v: h( Rhttps://cloudninjas.com/collecti ... E%20Z840%20will%20s ...

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）。

  F% A# C! v& ?1 |% H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。
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。
6 y9 C& \  [' `. d/ s我的GPU上的CUDA跑满都可以控制在80度以下。
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。
* \. y* j3 X- `1 C$ X: Y
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。
6 j! a0 C, `+ D8 t# O
& w  K# O8 j- m$ G# q- C7 A9 C9 T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。
" I7 s/ p3 v0 w+ u
: i' a( D5 i& H3 j( E  C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。
  B# n4 ^" |5 g- a
' l5 K" d" s; z/ {: {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。

! s4 G2 ]7 d% U2 {6 R1 S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。

5 I! l& ~$ O: f2 |6 t. e! @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
4 |) e6 \9 y% I/ h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。

/ z' U/ t& F! S" S& ACPU 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 ...

* L" @, ?" m( A* F3 |6 H! N$ n我有点成见，总认为机箱上的风扇不够有力，呵呵。

$ A7 J8 q- O" K. j7 {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。
9 x; t3 G0 m- M$ c" P% S, L
7 _( F8 }  m5 ?' {0 M7 u所以我的理想型机箱就是一个框架，其他统统敞开了，吹！

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
1 X4 X* S  g% [- b0 o我有点成见，总认为机箱上的风扇不够有力，呵呵。

% `: p9 s; e2 z$ Y4 ~$ h0 T! T9 x. G" 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 ...

+ m6 c1 G' c. Y+ s1 ?2 QCaseless 的 DIY 电脑现在也挺多的。散热和灰尘啥的不是问题。


3 {5 }0 ]1 f' 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。
# I: ?0 G- V5 n8 ]) ?

- w9 _7 {& {9 r( w1 e, M1 f2 O所以一般都是挂墙上的。造的好点的话还是挺科幻感的。

nanimarcus

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。

这个确实很赞。
$ j9 \5 h2 a! m
1 _2 N; _5 S6 a( ]" Q4 l* i第一三张好像放不了全尺寸显卡。
0 q" }! {8 v- J' o+ K9 u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
这个确实很赞。
  X( T# |; p( ^6 J' Z+ }0 W
第一三张好像放不了全尺寸显卡。

5 k. C7 P, G4 S: {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。

4 [+ r" |/ d1 [# w0 C  Yhttps://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。
0 A5 j& o3 Z; f. kZ6/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

) @# M  N; B3 i; P! b

雷声 发表于 2025-4-16 07:27
7 }/ p% Q, r- O4 x# ZHP 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。 ...

HP 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。

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。
5 t! F: |! b. s- M4 L
$ O1 \; v7 u# p9 m# [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。