DeepSeek-R1-Distill-Llama-8B calculadora TPS

Abre pesos DeepSeek 8B parámetros January 2025

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

582 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Quadro 6000

6 GB · Q3_K_M · 17.4 tok/s

Tarjeta más rápida

B200

424 tok/s · 180 GB

¿Qué GPU pueden ejecutar? DeepSeek-R1-Distill-Llama-8B?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

582 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
424 tok/s 360–508	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.8 GB	Q8_0	Cómodo
424 tok/s 360–508	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.8 GB	Q8_0	Cómodo
338 tok/s 203–541 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.8 GB	Q8_0	Cómodo
338 tok/s 203–541 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.8 GB	Q8_0	Cómodo
270 tok/s 162–433 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.8 GB	Q8_0	Cómodo
259 tok/s 220–311	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.8 GB	Q8_0	Cómodo
259 tok/s 220–311	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.8 GB	Q8_0	Cómodo
248 tok/s 149–396 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.8 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Cómodo
209 tok/s 177–250	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.8 GB	Q8_0	Cómodo
178 tok/s 151–213	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Cómodo
178 tok/s 151–213	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.8 GB	Q8_0	Cómodo
178 tok/s 151–213	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Cómodo
178 tok/s 151–213	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Cómodo
178 tok/s 151–213	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Cómodo
141 tok/s 120–169	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.0 GB	Q5_K_M	Ajustado
135 tok/s 81–217 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.8 GB	Q8_0	Cómodo
135 tok/s 81–217 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.8 GB	Q8_0	Cómodo
120 tok/s 102–144	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.9 GB	Q6_K	Ajustado
113 tok/s 68–181 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.8 GB	Q8_0	Cómodo
110 tok/s 66–177 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.8 GB	Q8_0	Cómodo
108 tok/s 92–130	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.8 GB	Q8_0	Cómodo
108 tok/s 92–130	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.8 GB	Q8_0	Cómodo

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: DeepSeek
Tipo de Organización: Industry
País: China
Publicado: 22 January 2025
Autores: DeepSeek-AI, Daya Guo, Dejian Yang, Haowei Zhang, Junxiao Song, Ruoyu Zhang, Runxin Xu, Qihao Zhu, Shirong Ma, Peiyi Wang, Xiao Bi, Xiaokang Zhang, Xingkai Yu, Yu Wu, Z.F. Wu, Zhibin Gou, Zhihong Shao, Zhuoshu Li, Ziyi Gao, Aixin Liu, Bing Xue, Bingxuan Wang, Bochao Wu, Bei Feng, Chengda Lu, Chenggang Zhao, Chengqi Deng, Chenyu Zhang, Chong Ruan, Damai Dai, Deli Chen, Dongjie Ji, Erhang Li, Fangyu…

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Language
Tarea: Language modeling/generation, Question answering, Quantitative reasoning, Code generation
Modelo base: Llama 3.1-8B

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 8B
Datos de entrenamiento: tokens
Épocas: 2

Cómputo de entrenamiento

La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.

Cómo se estableció: Operation counting
Computación de ajuste fino: 2.3 × 10²¹ FLOP

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (restricted use)
Código de entrenamiento: Unreleased
Hugging Face: deepseek-ai

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro: Speculative

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan DeepSeek-R1-Distill-Llama-8B

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan DeepSeek-R1-Distill-Llama-8B

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

Lo que necesitas para ejecutar esto

Mínima tarjeta

Quadro 6000

Memoria necesaria

5.1 GB

Más rápido

424 tok/s

DeepSeek-R1-Distill-Llama-8B llega a un recuento de parámetros de 8B. Eso es lo suficientemente pequeño como para que el hardware rara vez sea el obstáculo, incluso en tarjetas de varios años. El número de tarjetas que rastreamos que pueden ejecutarlo: 582.

El hardware mínimo que funciona es Quadro 6000, con una capacidad de memoria de 6 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 17.4 tokens por segundo

Lo más rápido que calculamos para ello es B200, generando aproximadamente 424 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

DeepSeek-R1-Distill-Llama-8B fue publicado por DeepSeek, en el país registrado como China, durante January 2025. La categoría en la que se encuentra el editor es industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering, Quantitative reasoning, Code generation.

Su punto de partida fue un modelo base existente, Llama 3.1-8B. Por eso comparte la forma y el tamaño general del modelo base.

Los pesos publicados significan que el modelo se ejecuta en tu máquina en lugar de en la de alguien más, lo que hace que la pregunta sobre hardware a continuación sea respondible. En Hugging Face está publicado bajo la organización deepseek-ai.

Qué tan rápido corre, y por qué

El resultado mediano es alrededor de 23.8 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 551 de ellos.

Siendo denso, lee todo de sí mismo por token, razón por la cual el orden según velocidad a continuación sigue tan de cerca el orden por ancho de banda de memoria.

Debido a que la arquitectura está registrada, la columna de memoria se deriva en lugar de estimarse.

Paso a paso

Cómo elegir una GPU para DeepSeek-R1-Distill-Llama-8B

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Lee la cifra de MEMORIA primero

Empieza desde lo que realmente necesita, que es el requerimiento de DeepSeek-R1-Distill-Llama-8B, necesitando alrededor 5.1 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Decide cuánto duran tus conversaciones.

La conversación ocupa memoria también, y crece a medida que avanza. Ajusta el controlador a la longitud que esperas, porque en un contexto largo una CARD que maneja preguntas cortas fácilmente puede no encajar. DeepSeek-R1-Distill-Llama-8B.
03

Establecer un umbral de calidad

La compresión es lo que hace que un modelo quepa en tarjetas más pequeñas, a costa de cierta precisión., alcanzando una compresión de Q3_K_M en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Clasifica por rendimiento en lugar de la hoja de especificaciones.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. DeepSeek-R1-Distill-Llama-8B. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 424 tok/s
05

Lee la columna de ajuste al final

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de DeepSeek-R1-Distill-Llama-8B. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Revisa la tarjeta del otro lado

Cada página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de DeepSeek-R1-Distill-Llama-8B.

Respuestas

DeepSeek-R1-Distill-Llama-8B — preguntas comunes

DeepSeek-R1-Distill-Llama-8B— ¿Puedo ejecutarlo en una GPU que tiene? 16 GB?

Sí. La tarjeta Tesla V100 SXM2 16 GB, sosteniendo 16 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 9.8 GB y generando aproximadamente 59.8 tokens por segundo. El ajuste es cómodo.

DeepSeek-R1-Distill-Llama-8B— ¿Puedo ejecutarlo en una GPU que tiene? 24 GB?

Sí. La tarjeta GeForce RTX 5090 D V2, sosteniendo 24 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 9.8 GB y generando aproximadamente 70.9 tokens por segundo. El ajuste es cómodo.

DeepSeek-R1-Distill-Llama-8B— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

DeepSeek-R1-Distill-Llama-8B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 8B. 8B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

DeepSeek-R1-Distill-Llama-8B— ¿Quién lo creó?

Fue publicado por DeepSeek, basado en China, una organización categorizada como industry.

DeepSeek-R1-Distill-Llama-8B— ¿cuándo fue lanzado?

Se publicó en January 2025.

DeepSeek-R1-Distill-Llama-8B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering, Quantitative reasoning, Code generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

DeepSeek-R1-Distill-Llama-8B— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización deepseek-ai. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

DeepSeek-R1-Distill-Llama-8B— ¿Puedo ejecutarlo si no cabe en mi GPU?

Solo al descargar, lo cual suele ser una falsa economía: la parte mantenida en la memoria del sistema arrastra todo. El fallo más cercano que calculamos se queda corto por 1.5 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

DeepSeek-R1-Distill-Llama-8B— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 582. Así que una segunda tarjeta rara vez es la respuesta aquí.

DeepSeek-R1-Distill-Llama-8B— ¿Por qué difiere la cuantificación entre tarjetas?

Debido a que la capacidad varía, también varía cuán difícil tiene que ser exprimido. El número de niveles distintos en la tabla de arriba: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

DeepSeek-R1-Distill-Llama-8B— ¿Qué tan precisas son estas estimaciones de velocidad?

Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 360–508 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

DeepSeek-R1-Distill-Llama-8B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Quadro 6000, con una capacidad de memoria de 6 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 5.1 GB, y produce aproximadamente 17.4 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 582.

DeepSeek-R1-Distill-Llama-8B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 424 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 551.

DeepSeek-R1-Distill-Llama-8B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 5.1 GB a una compresión de Q3_K_M, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

DeepSeek-R1-Distill-Llama-8B— ¿Puedo ejecutarlo en una GPU que tiene? 8 GB?

Sí. La tarjeta CMP 170HX 8 GB, sosteniendo 8 GB, lo ejecuta a una compresión de Q5_K_M, usando alrededor 7.0 GB y generando aproximadamente 141 tokens por segundo. El ajuste es ajustado.

DeepSeek-R1-Distill-Llama-8B— ¿Puedo ejecutarlo en una GPU que tiene? 12 GB?

Sí. La tarjeta GeForce RTX 3080 Ti, sosteniendo 12 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 9.8 GB y generando aproximadamente 48.3 tokens por segundo. El ajuste es ajustado.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA