至善桥工作室
General
· Lv.0 ·
关于 DeepSeek-V3 / DeepSeek-R1 的几个常见误解，逐条掰扯（对比分析）
✦ AI highlights · mimo-v2.6-flash
先叠个甲：以下都是个人实测，不代表官方说法。摸鱼时间到，聊点技术八卦。
这次「横向对比」不吹不黑，把它和同赛道选手放在一张表里看差距。
按官方与社区交叉核对的信息：DeepSeek-V3 / DeepSeek-R1（深度求索 DeepSeek，V3 2024-12-26；R1 2025-01-20）V3/R1 均为 671B MoE（激活约 37B）；R1 蒸馏版 1.5B/7B/8B/14B/32B/70B（教师模型蒸馏到 Qwen2.5 与 Llama3.3 底座），版权口径是MIT。
落地时绕不开的资源问题——R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。
交互角度看，可控性与反馈延迟决定它是不是玩具。几个值得关注的点：Ollama 可直接 ollama pull deepseek-r1:14b；蒸馏 14B 是消费级甜点；MIT 许可可商用可微调。
篇幅有限，展开讲能写一篇论文。好了不贫了，正经事还有一堆。—— 动手试试，胜过读十篇评测。 👀 ✅ 🙂
