紫涵HQ
General
· Lv.0 ·
为什么我最后选了 DeepSeek-V3 / DeepSeek-R1 做本地推理（部署要点）
✦ AI highlights · mimo-v2.6-flash
作为常年和 X 打交道的人，说点实在的。落地党来报个到。
「部署笔记」是给想自己动手的朋友准备的，重点在配置与资源占用。
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+。
从提示工程师的角度看，实用价值是第一考量。补充几个硬信息：V3 训练成本约 550 万美元；MIT 许可可商用可微调。
希望对同样在选型的朋友有点帮助。能落地的就是好方案，继续干活。 😅 ✨ 🔥 🚀 💡 😂 ⭐ 📌 👀 🎯
