DeepSeek-R1-Distill-Qwen-14B TPS kalkulátor

Nyitott súlyok DeepSeek 14.8B Paraméterek January 2025

Minden kártyát az alábbiak szerint értékelünk e modell alapján a választott kontextus hossza és minimális minőség szerint. A sebesség egy becslés egyetlen kérésre, amelyet a kártya memória sávszélessége és a modell mérete alapján számítunk ki, miután tömörítettük..

Kiszámítva ehhez a MODElhez

306 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

P102-101

10 GB · Q3_K_M · 21.0 tok/s

Leggyorsabb kártya

B200

229 tok/s · 180 GB

Melyik GPU képes futtatni DeepSeek-R1-Distill-Qwen-14B?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

Egy hosszabb beszélgetés több memóriaigényt támaszt, ami kiszoríthatja ezt a modellt a kisebb kártyákról..

Minimum minőség

Elrejti azokat a GPU-kártyákat, amelyek csak a modellbe illeszkednének a compressziójuk ezen pont alá..

Kártyák keresése

Kártya memória

Olyan kártyákat is mutasson, amelyek nem tudják futtatni.

306 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
229 tok/s 195–275	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	17.1 GB	Q8_0	Kényelmes
229 tok/s 195–275	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	17.1 GB	Q8_0	Kényelmes
183 tok/s 110–293 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	17.1 GB	Q8_0	Kényelmes
183 tok/s 110–293 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	17.1 GB	Q8_0	Kényelmes
146 tok/s 88–234 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	17.1 GB	Q8_0	Kényelmes
140 tok/s 119–168	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	17.1 GB	Q8_0	Kényelmes
140 tok/s 119–168	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	17.1 GB	Q8_0	Kényelmes
134 tok/s 80–214 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	17.1 GB	Q8_0	Kényelmes
120 tok/s 102–145	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.5 GB	Q3_K_M	Szoros
119 tok/s 71–190 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	17.1 GB	Q8_0	Kényelmes
119 tok/s 71–190 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	17.1 GB	Q8_0	Kényelmes
119 tok/s 71–190 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	17.1 GB	Q8_0	Kényelmes
113 tok/s 96–135	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	17.1 GB	Q8_0	Kényelmes
96.2 tok/s 82–115	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	17.1 GB	Q8_0	Kényelmes
96.2 tok/s 82–115	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	17.1 GB	Q8_0	Kényelmes
96.2 tok/s 82–115	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	17.1 GB	Q8_0	Kényelmes
96.2 tok/s 82–115	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	17.1 GB	Q8_0	Kényelmes
96.2 tok/s 82–115	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	17.1 GB	Q8_0	Kényelmes
73.2 tok/s 44–117 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	17.1 GB	Q8_0	Kényelmes
73.2 tok/s 44–117 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	17.1 GB	Q8_0	Kényelmes
61.0 tok/s 37–98 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	17.1 GB	Q8_0	Kényelmes
60.3 tok/s 51–72	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.2 GB	Q4_K_M	Szoros
60.3 tok/s 51–72	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.2 GB	Q4_K_M	Szoros
59.7 tok/s 36–96 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	17.1 GB	Q8_0	Kényelmes
58.7 tok/s 50–70	CMP 90HX NVIDIA	10 GB	760 GB/s	Jul 2021	8.5 GB	Q3_K_M	Szoros

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Teljes specifikáció

Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..

Eredet

Ki építette ezt a modellt, hol, és mikor publikálták.

Szervezet: DeepSeek
Szervezet típusa: Industry
Ország: China
Közölt: 22 January 2025
Szerzők: 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…

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány: Language
Feladat: Language modeling/generation, Quantitative reasoning, Question answering, Mathematical reasoning, Code generation
Alapmodell: Qwen2.5-14B

Méret

Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.

Paraméterek: 14.8B
Képzési adatok: 24,000,000,000 tokens
Epochok: 2

Képzés számítás

A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.

Hogyan jött létre: Operation counting
Finomhangolás számítás: 4.3 × 10²¹ FLOP

Elérhetőség

Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.

Súlyok: Open — downloadable
Modell hozzáférés: Open weights (unrestricted)
Képzés kód: Unreleased
Hugging Face: deepseek-ai

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Nyilvántartási bizalom: Speculative

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

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

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni DeepSeek-R1-Distill-Qwen-14B

A másodpercenkénti becsült tokenek alapján rangsorolva, a legújabb kártyát először, ahol a sebességek azonosak. Mivel a generálás a MEMÓRIA SZÉLESSÉGÉhez van kötve, ez a sorrend a sávszélességet követi, nem pedig bármilyen játékbeli tesztet..

A legkisebb GPU-k, amik még futnak DeepSeek-R1-Distill-Qwen-14B

A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..

Mit jelentenek a számok

Ami szükséges a futtatásához

Minimális kártya

P102-101

Szükséges memória

8.5 GB

Leggyorsabb

229 tok/s

DeepSeek-R1-Distill-Qwen-14B eléri a paraméterek számát 14.8B. Ez elég kicsi ahhoz, hogy a hardver ritkán legyen az akadály, beleértve a több éves kártyákat is. Azoknak a kártyáknak a száma, amelyeket nyomon követünk, és amelyek el tudják futtatni: 306.

A legkevesebb hardver, ami működik, az P102-101, memória kapacitással rendelkezik 10 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 21.0 tokenek másodpercenként

A legjobb kategóriájú B200, nagyjából generálás 229 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Honnan jött

DeepSeek-R1-Distill-Qwen-14B ki lett adva által DeepSeek, az országban rögzítve mint China, alatt January 2025. A kiadó szervezet a következő kategóriába tartozik industry.

Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Quantitative reasoning, Question answering, Mathematical reasoning, Code generation.

Ez alapoz. Qwen2.5-14B. Ez a szokásos módja egy specializált modell előállításának.

A nyílt súlyok az okai annak, hogy ez az oldal a kalkulátorban van, és nem csak a katalógusban: ez egy olyan modell, amit valójában meg tudsz tartani. A Hugging Face-en az alábbi szervezet alatt van publikálva deepseek-ai.

A sebességek megértése

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 21.4 másodpercenkénti tokenek 266 tőlük

Ez egy sűrű modell, így minden paramétert minden előállított tokenhez elolvasnak. Ez szinte pontosan nyomon követi a memória-sávszélességet — egy kártya, amelynek kétszer akkora a sávszélessége, körülbelül kétszer olyan gyorsan generál.

A figyelem elrendezése a fájlban van, így a memóriaértékek pontosan számítva vannak, nem pedig közelítve.

Mi került a felépítésébe

Körülbelül egy korpuszon lett betanítva 24,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a DeepSeek-R1-Distill-Qwen-14B

A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..

01

Nézd meg, mire van szüksége, mielőtt bármi mást tennél.

A táblázat felsorolja az összes kártyát, amely képes tartani DeepSeek-R1-Distill-Qwen-14B, körülbelül szükséges 8.5 GB a tömörítésnél Q3_K_M. Ez a szám, nem a kártya címválaszték teljesítménye, az, ami eldönti, hogy fut-e.
02

Állítsa be a használt CONTEXT LENGTH-et.

Állítsa be a kontextust arra, amit valójában használni fog. A cache a beszélgetéssel nő, és ez a szokásos oka annak, hogy egy kártya, amelynek korábban rendben kellett volna lennie, egyszer csak nem fér el. DeepSeek-R1-Distill-Qwen-14B.
03

Döntsd el, mennyi tömörítést fogadsz el.

A kvantálási oszlop kártyánként változik, mert egy nagyobb kártya pontosabb másolatot tartalmaz., elérni egy tömörítést a Q3_K_M a legkisebb kártyán, ami elfér. A minimális minőség beállítása eldobja azokat a kártyákat, amelyek csak úgy tudják kezelni, hogy tovább szorítanak, mint amit szeretnél, és egy szinten tartja az összehasonlítást.
04

Hasonlítsd össze a TOKENS PER SECOND-t, ne a SPECIFICATIONS-t.

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. DeepSeek-R1-Distill-Qwen-14B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 229 tok/s
05

Ellenőrizd a megfelelő ítéletet vásárlás előtt.

Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében DeepSeek-R1-Distill-Qwen-14B. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nézd meg, mit futtat még az a kártya.

Egy KÁRTYA végigkövetése a saját oldaláig megmutatja az összes többi modellt, amelyet el tud tartani, ami az a kérdés, ami felmerül, miután döntöttél. DeepSeek-R1-Distill-Qwen-14B.

Válaszok

DeepSeek-R1-Distill-Qwen-14B — gyakori kérdések

DeepSeek-R1-Distill-Qwen-14B— Mikor adták ki?

Kibocsátották a January 2025.

DeepSeek-R1-Distill-Qwen-14B— Mire használják?

Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Quantitative reasoning, Question answering, Mathematical reasoning, Code generation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

DeepSeek-R1-Distill-Qwen-14B— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt deepseek-ai. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

DeepSeek-R1-Distill-Qwen-14B— Futtathatom, ha nem fér el a GPU-mban?

Elosztható a kártya és a rendszer MEMÓRIA között, de így fájdalmasan lassan generálódik. A legközelebbi hiba, amit számítunk, alulmúlja 3.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

DeepSeek-R1-Distill-Qwen-14B— Futtatna-e két GPU gyorsabban?

Két kártya memóriát vásárol, nem sebességet, ami csak akkor számít, ha az egyik kártya nem tudja tartani. Az a szám, ami tudja: 306. Tehát egy második KÁRTYA ritkán a megoldás itt.

DeepSeek-R1-Distill-Qwen-14B— miért különbözik a kvantálás a kártyák között?

Egy nagyobb KÁRTYA pontosabb másolatot tárol. Azoknak a tömörítési szinteknek a száma, amelyeket a futó KÁRTYÁK használnak: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

DeepSeek-R1-Distill-Qwen-14B— Mennyire pontosak ezek a sebességbecslések?

Minden szám a memória sávszélességből és a modell méretéből származik, nem benchmarkolták, ezért mindet tartományként tették közzé, nem pedig egyetlen számként. Egy például: 195–275 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

DeepSeek-R1-Distill-Qwen-14B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az P102-101, memória kapacitással rendelkezik 10 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 8.5 GB, és körülbelül 21.0 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 306.

DeepSeek-R1-Distill-Qwen-14B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 229 tokenek másodpercenként; a leglassabb, ami még fut, jelentősen kevesebbet képes kezelni. Az olvasási sebesség körülbelül tíz token másodpercenként, és a kártyák száma, amelyek ezt meg tudják tisztítani: 266.

DeepSeek-R1-Distill-Qwen-14B— mennyi VRAM-ra van szüksége?

Kb. 8.5 GB tömörítési arányban Q3_K_M, melyik az a legkisebb KÁRTYA, amelyik futtatni tudja. Kevesebb tömörítés több szükséges: a fentebbi memória oszlop számai minden KÁRTYÁRA újraszámításra kerülnek, mert mindegyik tartalmazza a legkevésbé tömörített verziót, amit csak tud.

DeepSeek-R1-Distill-Qwen-14B— futtathatom egy GPU-n tartva 12 GB?

Igen. A KÁRTYA GeForce RTX 3080 Ti, tartás 12 GB, futtatja egy tömörítési arány mellett Q4_K_M, használva körülbelül 10.2 GB és körülbelül generálás 60.3 tokensek másodpercenként. A fit szoros.

DeepSeek-R1-Distill-Qwen-14B— futtathatom egy GPU-n tartva 16 GB?

Igen. A KÁRTYA Tesla V100 SXM2 16 GB, tartás 16 GB, futtatja egy tömörítési arány mellett Q6_K, használva körülbelül 13.7 GB és körülbelül generálás 47.0 tokensek másodpercenként. A fit szoros.

DeepSeek-R1-Distill-Qwen-14B— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 17.1 GB és körülbelül generálás 38.4 másodpercenkénti tokenek. A illeszkedés kényelmes.

DeepSeek-R1-Distill-Qwen-14B— Nyílt forráskódú?

Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.

DeepSeek-R1-Distill-Qwen-14B— Hány paramétere van?

Paraméterszáma 14.8B. 14.8B (safetensors). Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.

DeepSeek-R1-Distill-Qwen-14B— Ki készítette ezt?

Kiadta DeepSeek, alapján China, egy szervezet, amelyet kategorizáltak mint industry.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 28 November 2025

A másik irány

Másik oldalról nézve?

Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..

Minden AI modell