DeepSeek-R1-Distill-Llama-70B
70BDeepSeek
R1 推理能力注入 Llama 70B 架构，双卡部署的顶级开源推理模型。
131K
最大上下文
2
量化变体
GGUF Q4_K_M
最佳质量
97.6%
精度保留率
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过：推算所得，或本站未核实的数字 · 社区 = 公开报告
相似模型
与 DeepSeek-V3 对比DeepSeek-V3
DeepSeek
DeepSeek-V3 前沿 MoE（激活约 37B / 总 671B）。MLA + FP8；Q4 需多节点 GPU 集群。MLA 缓存：用当前 llama.cpp 转换的 GGUF（含 attn_k_b / attn_v_b）在 32K 下约 2 GB，本站估算即按此计算；只有单个 attn_kv_b 张量的旧版转换会缓存完整的 K 和 V，32K 下约 150 GB。
DeepSeek-R1
DeepSeek
基于 V3 MoE 的 DeepSeek-R1 推理模型。前沿级思维链 — 本地 GPU 请用蒸馏版。MLA 缓存：用当前 llama.cpp 转换的 GGUF（含 attn_k_b / attn_v_b）在 32K 下约 2 GB，本站估算即按此计算；只有单个 attn_kv_b 张量的旧版转换会缓存完整的 K 和 V，32K 下约 150 GB。
DeepSeek-R1-Distill-Qwen-32B
DeepSeek
R1 蒸馏至 32B，单卡 24GB（Q3/Q4）即可接近前沿推理能力。
DeepSeek-R1-Distill-Qwen-14B
DeepSeek
R1 推理能力蒸馏至 14B，社区热度极高，思维链能力出色。
在本地运行 DeepSeek-R1-Distill-Llama-70B
在 Q4_K_M、4K 上下文下，DeepSeek-R1-Distill-Llama-70B 约需 46.1 GB —— 权重 40.7 GB、KV 缓存 1.25 GB、激活缓冲 4.2 GB。本索引中能宽裕跑它的最小显卡是 64 GB 的 DGX Spark 64G，76 张卡中有 12 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 8.75 GB，总量来到 55.7 GB。权重不随上下文变化，只有 KV 缓存会，而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 128K；在 Q4_K_M 下把它全部撑满约需 89 GB。
该下载哪个版本
本索引收录了它的 2 种格式 —— GGUF、AWQ —— 共 2 个档位。 其中 Q4_K_M 的公开困惑度损失最低，为 2.4%。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 是 ExLlamaV2 —— 仅限 CUDA，而且已经归档，适合本机使用而不适合提供服务。
常见问题
- DeepSeek-R1-Distill-Llama-70B 需要多少显存？
- 在 Q4_K_M、4K 上下文、batch 1 下约 46.1 GB，到 32K 时约 55.7 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。
- DeepSeek-R1-Distill-Llama-70B 能在 64GB 显卡上跑吗？
- 可以 —— 在 Q4_K_M、4K 上下文下约需 46.1 GB，在 DGX Spark 64G 上还剩 17.9 GB。这是本索引中能宽裕跑它的最小显卡；76 张中有 12 张可以。
- DeepSeek-R1-Distill-Llama-70B 该用哪个量化档位？
- Q4_K_M 的公开质量损失最低（2.4%），而 Q4_K_M 是多数人实际使用的档位。索引中的 2 个档位是 Q4_K_M、AWQ INT4。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算，显存从小到大排列。「从容」指估算占用不超过显存的 88%。
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-10-06 RSS → /zh/feed.xml