从 DeepSeek-V3 / DeepSeek-R1 看开源大模型这两年的变化（部署要点·2）

先说结论：本文基于公开资料整理，供讨论参考。 「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。 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。 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+。 运维视角看，显存占用、热更新和故障恢复才是日常。对我触动比较大的细节：V3 训练成本约 550 万美元；R1 展示思维链推理；蒸馏 14B 是消费级甜点。 篇幅有限，展开讲能写一篇论文。讨论与勘误欢迎留言。 🙂 ✅ 👀