云端松Notes
General
· Lv.0 ·
从 DeepSeek-V3 / DeepSeek-R1 看开源大模型这两年的变化（算笔账）
✦ AI highlights · mimo-v2.6-flash
看到大家讨论得热闹，我也来抛块砖。摸鱼时间到，聊点技术八卦。
「成本账」把硬件、时间与授权成本摊开来算，别只看跑分。
先摆事实：DeepSeek-V3 / DeepSeek-R1（深度求索 DeepSeek）V3 2024-12-26；R1 2025-01-20 发布，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）；授权方式为MIT。
本地跑起来的话，R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。
从多模态算法工程师的角度看，实用价值是第一考量。对我触动比较大的细节：MIT 许可可商用可微调；蒸馏 14B 是消费级甜点；R1 展示思维链推理（inference）。
欢迎持不同意见的朋友理性讨论。好了不贫了，正经事还有一堆。—— 让复杂的事情变简单。
