DeepSeek-V3 / DeepSeek-R1 实测数据分享，附环境配置（算笔账）

最近把 X 好好跑了一遍，聊聊真实感受。本文基于公开资料整理，供讨论参考。 「成本账」把硬件、时间与授权成本摊开来算，别只看跑分。 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（教师模型蒸馏到 Qwen2.5 与 Llama3.3 底座），版权口径是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+。 作为软件产品经理，我更在意接口稳定性与版本节奏。几个值得关注的点：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。 就先聊到这，有问题评论区接着讨论。讨论与勘误欢迎留言。—— 有不同看法的，评论区见。 🙂