为什么我最后选了 DeepSeek-V3 / DeepSeek-R1 做本地推理（部署要点·补充）

这个问题被问了太多次，统一回复一下。今天没啥事，来唠唠这个。 「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。 DeepSeek-V3 / DeepSeek-R1 的基本盘：深度求索 DeepSeek 打造，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），遵循MIT。 显存这关，R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。 从工程落地角度看，集成成本和推理稳定性比刷榜分数更值得盯。官方口径里有几条很关键：MIT 许可可商用可微调；V3 训练成本约 550 万美元；蒸馏 14B 是消费级甜点。 以上就是我的全部实测，散会。先唠到这，评论区接着聊。 👀 🎯 😅 😂 🚀 💡 📌 🔥 ⭐ ✨