梦琪Dev
General
· Lv.0 ·
本地大模型选型：DeepSeek-V3 / DeepSeek-R1 值不值得押注（怎么选）
✦ AI highlights · mimo-v2.6-flash
闲话少叙，直接上干货。先说结论，再摆依据。
「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（教师模型蒸馏到 Qwen2.5 与 Llama3.3 底座），使用MIT授权。
实操层面，R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。
站在架构视角，我更关心它能不能嵌进现有技术栈而不是单点性能。值得划重点的地方：MIT 许可可商用可微调；R1 展示思维链推理；V3 训练成本约 550 万美元。
欢迎持不同意见的朋友理性讨论。以上均为基于公开信息的分析，欢迎指正。 🔥 📌 ⭐ 😂 🎯 👀 💡 😅 🚀 ✨
