DeepSeek-R1-Distill-Qwen-7B
7BDeepSeek
7B 体量的 R1 推理能力,8–12GB 显存思维链实验性价比最高。
131K
最大上下文
2
量化变体
EXL2 4.65bpw
最佳质量
+2.2%
困惑度增幅(最佳档位)
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
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q4_K_M | 4.85 | 5.1 GB | 3.0% | 152 tok/s | 估算 | |
| EXL2 | 4.65bpw | 4.65 | 4.9 GB | 2.2% | 210 tok/s | 估算 |
每个体积对应哪个文件
文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。
- GGUF Q4_K_M按计算器这一档位的通用比特率估算,没有核对具体文件。
- EXL2 4.65bpw按计算器这一档位的通用比特率估算,没有核对具体文件。
相关社区实测
以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。
我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。
在 llamaPerf 浏览更多实测 ↗DeepSeek-R1-Distill-Llama-8B
DeepSeek
R1 推理蒸馏到 Llama 3.1 8B。8–12GB 显卡上最佳思维链之一,社区 GGUF 极丰富。
DeepSeek-V2-Lite Chat
DeepSeek
MoE 通用模型(激活约 2.4B),长上下文,多语言对话能力强。注意力采用 MLA:用当前 llama.cpp 转换的 GGUF(含 attn_k_b / attn_v_b 张量)在 32K 下约缓存 1 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 8.4 GB。
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。
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。
在本地运行 DeepSeek-R1-Distill-Qwen-7B
在 Q4_K_M、4K 上下文下,DeepSeek-R1-Distill-Qwen-7B 约需 5.1 GB —— 权重 4.4 GB、KV 缓存 0.22 GB、激活缓冲 0.5 GB。本索引中能宽裕跑它的最小规格是 6 GB 显卡 —— 共 3 张,RTX 4050 Laptop GPU 起步;105 张卡中有 103 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 1.53 GB,总量来到 6.8 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 13 GB。
该下载哪个版本
本索引收录了它的 2 种格式 —— GGUF、EXL2 —— 共 2 个档位。 其中 EXL2 4.65bpw 的公开困惑度损失最低,为 2.2%。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-Qwen-7B 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 5.1 GB,到 32K 时约 6.8 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-Qwen-7B 能在 6GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 5.1 GB,在 RTX 4050 Laptop GPU 上还剩 0.9 GB,本索引中 3 张 6 GB 显卡都一样。这是能宽裕跑它的最小规格;105 张中有 103 张可以。
- DeepSeek-R1-Distill-Qwen-7B 该用哪个量化档位?
- EXL2 4.65bpw 的公开质量损失最低(2.2%),而 Q4_K_M 是多数人使用的档位。索引中的 2 个档位是 Q4_K_M、EXL2 4.65bpw。
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%。
此模型的显卡组合
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 2026-11-22 RSS → /zh/feed.xml