DeepSeek-V3 / DeepSeek-R1 与其他开源模型的差异在哪

先叠个甲：以下都是个人实测，不代表官方说法。最近有不少朋友问起，正好一起聊聊。 「选型建议」直接给结论：什么情况选它，什么情况绕道。 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（model）蒸馏到 Qwen2.5 与 Llama3.3 底座），使用MIT授权。 硬件门槛方面：R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。 后端视角关注吞吐、并发和冷启动，这些决定线上体验。值得划重点的地方：Ollama 可直接 ollama pull deepseek-r1:14b；R1 展示思维链推理（inference）。 篇幅有限，展开讲能写一篇论文。有不同看法欢迎补充，一起进步。—— 保持好奇，保持敬畏。 💡 😊 🔧 📌