能在單臺 Mac Studio 上運(yùn)行！

原標(biāo)題：完整的671B MoE DeepSeek R1怎么塞進(jìn)本地化部署？詳盡教程大放送！
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：10445字

DeepSeek R1 671B 模型本地部署簡明教程

本文介紹了如何在本地部署 DeepSeek R1 671B 全量模型，并重點(diǎn)闡述了如何利用 Unsloth AI 提供的動態(tài)量化版本，大幅降低模型體積，從而在消費(fèi)級硬件上運(yùn)行。

1. 模型選擇與壓縮

原版 DeepSeek R1 671B 模型文件高達(dá) 720GB，難以本地部署。Unsloth AI 提供了動態(tài)量化版本，通過對關(guān)鍵層進(jìn)行高質(zhì)量量化，對非關(guān)鍵層進(jìn)行低比特量化，將模型壓縮至 131GB-212GB。作者推薦了兩種量化版本：DeepSeek-R1-UD-IQ1_M (1.73-bit,158GB) 和 DeepSeek-R1-Q4_K_M (4-bit,404GB)，用戶可根據(jù)硬件條件選擇。

2. 硬件需求與運(yùn)行環(huán)境

部署大模型主要受限于內(nèi)存和顯存。DeepSeek-R1-UD-IQ1_M 需要至少 200GB 內(nèi)存+顯存，DeepSeek-R1-Q4_K_M 需要至少 500GB。作者使用四路 RTX 4090 和四通道 DDR5 內(nèi)存的工作站進(jìn)行測試，短文本生成速度分別為 7-8 token/秒和 2-4 token/秒。文章也列舉了更具性價比的選項，如 Mac Studio (192GB 統(tǒng)一內(nèi)存) 或配備多張 80GB 顯存 GPU 的服務(wù)器/云服務(wù)器。

3. 部署步驟

本文詳細(xì)介紹了在 Linux 環(huán)境下使用 ollama 部署模型的步驟：

1. 從 HuggingFace 下載模型的 .gguf 文件并合并。
2. 安裝 ollama。
3. 創(chuàng)建 Modelfile 文件，指定模型路徑、GPU 使用數(shù)量 (num_gpu) 和上下文窗口大小 (num_ctx) 等參數(shù)。
4. 使用 ollama create 命令創(chuàng)建模型。
5. 使用 ollama run 命令運(yùn)行模型，并使用 –verbose 參數(shù)查看推理速度。
6. (可選) 安裝 Open WebUI 建立網(wǎng)頁界面。

4. 實測結(jié)果與觀察

作者進(jìn)行了初步測試，發(fā)現(xiàn)：

1. 1.73-bit 和 4-bit 版本在經(jīng)典任務(wù)中表現(xiàn)良好。
2. 全量模型顯著優(yōu)于蒸餾版模型。
3. 4-bit 版本比 1.73-bit 版本更 “保守”，對“攻擊性”提示的回應(yīng)更謹(jǐn)慎。
4. 1.73-bit 版本偶爾生成格式混亂的內(nèi)容。
5. CPU 利用率極高，GPU 利用率低，說明性能瓶頸在于 CPU 和內(nèi)存帶寬。

5. 結(jié)論與建議

作者建議在消費(fèi)級硬件上使用 1.73-bit 版本進(jìn)行短文本生成等輕量級任務(wù)，避免長文本和多輪對話。 文章最后鼓勵讀者在評論區(qū)分享部署經(jīng)驗和問題。

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺