本地大模型选型：DeepSeek-V3 / DeepSeek-R1 值不值得押注（部署要点）

今天想认真聊聊这个话题。先说结论。再摆依据。 「部署（deploy）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。 按官方与社区交叉核对的信息：DeepSeek-V3 / DeepSeek-R1（深度求索 DeepSeek。V3 2024-12-26；R1 2025-01-20）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（model）蒸馏到 Qwen2.5 与 Llama3.3 底座）。版权口径是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+。 数据出身的我更信可复现的数字。不信口头宣传。补充几个硬信息：MIT 许可可商用可微调；蒸馏 14B 是消费级甜点。 篇幅有限。展开讲能写一篇论文。以上均为基于公开信息的分析。欢迎指正。