从 DeepSeek-V3 / DeepSeek-R1 看开源大模型这两年的变化（部署要点·补充）

今天想认真聊聊这个话题。开门见山。 「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。 落地时绕不开的资源问题——R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。 从售前工程师的角度看，实用价值是第一考量。官方口径里有几条很关键：R1 展示思维链推理；Ollama 可直接 ollama pull deepseek-r1:14b；V3 训练成本约 550 万美元。 希望对同样在选型的朋友有点帮助。以上。—— 工具为人服务，不是相反。 👀