为什么我最后选了 DeepSeek-V3 / DeepSeek-R1 做本地推理

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。 这轮「实测记录」我把环境、参数和输出都记了流水账，供同好参考。 查了下公开资料：DeepSeek-V3 / DeepSeek-R1 出自深度求索 DeepSeek，V3 2024-12-26；R1 2025-01-20 与大家见面，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），使用MIT授权。 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+。 从3D建模师的角度看，实用价值是第一考量。几个值得关注的点：蒸馏 14B 是消费级甜点；V3 训练成本约 550 万美元。 别光收藏，动手试试才是真的。好了不贫了，正经事还有一堆。—— 持续折腾，持续交付。 💡 🔧 ✨ 📌