DeepSeek-R1-Distill-Llama-8B

在本地运行 DeepSeek-R1-Distill-Llama-8B

在 Q4_K_M、4K 上下文下，DeepSeek-R1-Distill-Llama-8B 约需 5.6 GB —— 权重 4.6 GB、KV 缓存 0.50 GB、激活缓冲 0.5 GB。本索引中能宽裕跑它的最小规格是 8 GB 显卡 —— 共 9 张，RTX 4060 起步；76 张卡中有 74 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 3.50 GB，总量来到 9.5 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 23 GB。

该下载哪个版本

本索引收录了它的 3 种格式 —— GGUF、EXL2、AWQ —— 共 4 个档位。 其中 Q5_K_M 的公开困惑度损失最低，为 1.2%。列出的最快档位是 EXL2 4.65bpw，在 RTX 4090、batch 1 下约 210 tok/s —— 这是估算值，不是本站硬件上的实测。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-8B 需要多少显存？

在 Q4_K_M、4K 上下文、batch 1 下约 5.6 GB，到 32K 时约 9.5 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-8B 能在 8GB 显卡上跑吗？

可以 —— 在 Q4_K_M、4K 上下文下约需 5.6 GB，在 RTX 4060 上还剩 2.4 GB，本索引中 9 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格；76 张中有 74 张可以。

DeepSeek-R1-Distill-Llama-8B 该用哪个量化档位？

Q5_K_M 的公开质量损失最低（1.2%），而 Q4_K_M 是多数人实际使用的档位。索引中的 4 个档位是 Q4_K_M、Q5_K_M、EXL2 4.65bpw、AWQ INT4。