我的电脑究竟可以本地跑什么版本的 DeepSeek-R1?一篇文章讲清楚！

最近，国产开源大模型 DeepSeek-R1 火了！

但面对着各种参数和配置要求，很多朋友都困惑：我的电脑到底能不能跑 DeepSeek-R1？能跑多大的模型？为什么手机都可以跑大模型？在安卓手机上部署和运行DeepSeek-R1

今天就让我们一起来解开这些疑惑。

一、先看看你的电脑配置

在开始前，需要先确认你使用的是什么操作系统，因为 Windows 电脑和 Mac 的硬件架构有很大不同。

Windows 电脑：看显卡显存

对于 Windows 电脑，关键是看独立显卡的显存大小。目前市面上常见的显卡配置：

入门级显卡：

• RTX 3060：12GB 显存
• RTX 3070：8GB 显存
• RTX 3070 Ti：8GB 显存

中端显卡：

• RTX 3080：10GB 显存
• RTX 3080 Ti：12GB 显存
• RTX 4070：12GB 显存

高端显卡：

• RTX 4080：16GB 显存
• RTX 4090：24GB 显存

? 如何查看显存：

• 按 Win+R，输入"dxdiag"
• 点击"显示"选项卡
• 查看"显示内存"大小

Windows电脑实际可用显存略小于标称值,需要预留部分显存给系统使用

Mac：看统一内存

Mac（特别是搭载 Apple Silicon 的机型）使用统一内存架构，没有独立的显存概念。需要看整体的内存大小：

入门配置：

• MacBook Air M1/M2：8GB 统一内存
• MacBook Pro M1/M2 (基础版)：8GB 统一内存

中端配置：

• MacBook Air M2：16GB/24GB 统一内存
• MacBook Pro M2 Pro：16GB/32GB 统一内存

高端配置：

• MacBook Pro M2 Max：32GB/64GB/96GB 统一内存
• Mac Studio M2 Ultra：64GB/128GB/192GB 统一内存

? 如何查看内存：

• 点击左上角苹果图标
• 选择"关于本机"
• 点击"更多信息"查看内存大小

二、先聊聊模型"参数"是什么？

在开始选择模型前，让我们先用生活中的例子来理解大语言模型的"参数"：

这就好比你在教一个小孩子认识世界,会使用卡片的形式,指着卡片教他：

• 教他认识"猫"需要记住：四条腿、有尾巴、会"喵喵"叫
• 教他认识"狗"需要记住：四条腿、有尾巴、会"汪汪"叫
• 教他认识"鸟"需要记住：两条腿、有翅膀、会飞

这里的每个特征就像是模型的一个"参数"。人工智能模型也是这样学习的，只不过它需要记住的特征要多得多：

• 1.5B 的模型相当于记住了 15 亿个特征
• 7B 的模型相当于记住了 70 亿个特征
• 70B 的模型则记住了 700 亿个特征！

参数越多，模型就越"聪明"，但需要更多的显存空间来存储这些"知识"。你要学习的知识越多，需要的书本（内存）就越多。

三、DeepSeek-R1 都有哪些版本？

DeepSeek-R1 为了适应不同的硬件环境，提供了多个版本：

• 轻量版（1.5B - 14B）：DeepSeek-R1-Distill-Qwen-1.5B：最小只需 0.7GB显存，DeepSeek-R1-Distill-Qwen-7B：需要 3.3GB，显存；DeepSeek-R1-Distill-Qwen-14B：需要 6.5GB 显存
• 中量版（32B - 70B）：DeepSeek-R1-Distill-Qwen-32B：需要 14.9GB 显存，DeepSeek-R1-Distill-Llama-70B：需要 32.7GB 显存
• 完整版（也叫满血版）：DeepSeek-R1：需要高达 1,342GB 显存（需要多卡方案）

四、量化：让模型"减肥"

如果你觉得显存不够用，别担心！来看看"量化"这个神奇的技术是如何帮模型"减肥"的。

什么是量化？

其实量化这个概念，我们在生活当中遇到了很多：

单反高清照片，它可能使用了上百万种颜色(甚至上亿的都有!)。如果我们把相近的颜色都归为一类（比如把所有的深蓝色都简化为同一个蓝色），图片的文件就会变小，但看起来差别不会太大。

mp3 压缩音乐：无损音乐文件很大，但压缩成 MP3 后，虽然丢失了一些细节，但普通人几乎听不出差别，文件却小了很多。

手机照片：拍照时选择"标准"而不是"高清"模式，照片占用的空间更少，但日常查看时很难发现明显的质量差异。

模型的量化也是类似的道理：

• 原始模型就像是一位艺术家，能分辨出数百种蓝色的细微差别
• 量化后的模型像是一位普通画家，可能只使用十几种蓝色，但画出的画依然很美

通过量化技术，我们可以显著减少模型对显存的需求：

以 7B 模型为例：

• 原始版本（FP16）：需要约 13GB 显存
• 8位量化（INT8）：需要约 6.5GB 显存
• 4位量化（INT4）：仅需约 3.25GB 显存

说白了，就是把一个两居室的家具完美地塞进了一居室，而且基本保持了原有的生活品质！

五、到底选哪个版本？

可以先看看我的实际的部署演示案例：我本地使用的是一台4090，跑的是32B的模型，结合使用 cline:

Cline+DeepSeek-R1纯本地开发实战体验: 比德芙还丝滑!我的部署和使用全流程

根据你的显卡配置，win/mac 具体推荐如下：

• 8GB 显存显卡（如 RTX 3070）：
  • 推荐：DeepSeek-R1-Distill-Qwen-7B（4位量化版本）
  • 可以流畅运行基础对话和代码生成任务
• 12GB 显存显卡（如 RTX 3060）：
  • 推荐：DeepSeek-R1-Distill-Qwen-14B（4位量化版本）
  • 能够处理更复杂的对话和编程任务
• 24GB 显存显卡（如 RTX 4090）：
  • 推荐：DeepSeek-R1-Distill-Qwen-32B
  • 可以运行更大的模型，获得接近完整版的体验
  • 
    

六、实用部署建议

• 建议预留 20-30% 的显存空间,比如有 12GB 显存，最好选择需求不超过 8-9GB 的配置
• 对话质量要求高的话：优先选择更大的模型,响应速度要求高：可以用量化版本的小模型   

当然上面都是理论值,你完全可以从较小的模型开始根据实际效果逐步尝试更大的模型,遇到显存不足时，可以尝试量化版本!