DeepSeek-V3 / DeepSeek-R1 部署踩坑记：从下载到稳定出词（怎么选·补充）

很多同学习惯问『能不能用』。我更想问『值不值得用』。落地党来报个到。 「选型建议」直接给结论：什么情况选它。什么情况绕道。 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（model）蒸馏到 Qwen2.5 与 Llama3.3 底座）。版权口径是MIT。 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+。 做规划的习惯让我先看生态成熟度。再看单模型强弱。官方口径里有几条很关键：R1 展示思维链推理（inference）；蒸馏 14B 是消费级甜点；V3 训练成本约 550 万美元。 祝大家少踩坑。多出活。能落地的就是好方案。继续干活。—— 个人经验。仅供参考。 🙂 ✅