破晓梅2026
General
· Lv.0 ·
为什么我最后选了 DeepSeek-V3 / DeepSeek-R1 做本地推理（上手实测·补充）
✦ AI highlights · mimo-v2.6-flash
先说结论：开门见山。
这轮「实测记录」我把环境、参数和输出都记了流水账，供同好参考。
DeepSeek-V3 / DeepSeek-R1 是深度求索 DeepSeek的作品，公开信息显示发布于V3 2024-12-26；R1 2025-01-20。参数规模方面，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），许可协议是MIT。
硬件门槛方面：R1 蒸馏 14B Q4 约 10GB 单卡可跑；32B 约 22GB；70B 约 44GB；满血 671B 需多卡 300GB+。
从开发者关系经理的角度看，实用价值是第一考量。对我触动比较大的细节：V3 训练成本约 550 万美元；MIT 许可可商用可微调。
别光收藏，动手试试才是真的。以上。 💡 😊 📌 🔧 ✨
