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

Apri i pesi DeepSeek 14.8B parametri January 2025

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

306 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

P102-101

10 GB · Q3_K_M · 21.0 tok/s

Scheda più veloce

B200

229 tok/s · 180 GB

Quali GPU possono eseguire DeepSeek-R1-Distill-Qwen-14B?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

306 schede corrispondono

Calcolo

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

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: DeepSeek
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 22 January 2025
Autori: 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…

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Language
Compito: Language modeling/generation, Quantitative reasoning, Question answering, Mathematical reasoning, Code generation
Modello di base: Qwen2.5-14B

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 14.8B
Dati di addestramento: 24,000,000,000 tokens
Epoche: 2

Calcolo di addestramento

L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.

Come è stato stabilito: Operation counting
Addestramento fine: 4.3 × 10²¹ FLOP

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (unrestricted)
Codice di addestramento: Unreleased
Hugging Face: deepseek-ai

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia: Speculative

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono DeepSeek-R1-Distill-Qwen-14B

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano DeepSeek-R1-Distill-Qwen-14B

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Cosa ti serve per eseguirlo

Scheda minima

P102-101

Memoria necessaria

8.5 GB

Più veloce

229 tok/s

DeepSeek-R1-Distill-Qwen-14B raggiunge un conteggio di parametri di 14.8B. È piccolo abbastanza che l'hardware è raramente l'ostacolo, anche su CARD di diversi anni fa. Il numero di CARD che monitoriamo che possono eseguirlo: 306.

L'hardware minimo che funziona è P102-101, con una capacità di memoria di 10 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 21.0 token al secondo

Top di gamma è B200, generando approssimativamente 229 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

DeepSeek-R1-Distill-Qwen-14B è stato pubblicato da DeepSeek, nel paese registrato come China, durante January 2025. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Quantitative reasoning, Question answering, Mathematical reasoning, Code generation.

Costruisce su Qwen2.5-14B. Quello è il modo abituale in cui viene prodotto un modello specializzato.

I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere. Su Hugging Face è pubblicato sotto l'organizzazione deepseek-ai.

Comprendere le velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 21.4 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 266 di loro

È un modello denso, quindi ogni parametro viene letto per ogni token prodotto. Questo rende la pista di velocità la larghezza di banda della memoria quasi esattamente — una CARD con il doppio della larghezza di banda genera approssimativamente il doppio della velocità.

Il suo layout di attenzione è in our database, quindi le cifre di VRAM sono calcolate esattamente piuttosto che approssimate.

Cosa è stato necessario per costruirlo

È stato addestrato su un corpus di circa 24,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per DeepSeek-R1-Distill-Qwen-14B

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Controlla cosa serve prima di ogni altra cosa

La tabella elenca ogni card in grado di contenere DeepSeek-R1-Distill-Qwen-14B, avere bisogno di circa 8.5 GB a una compressione di Q3_K_M. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

Imposta il contesto su ciò che utilizzerai effettivamente. La cache cresce con la conversazione, ed è il motivo consueto per cui una card che sembrava a posto smette di adattarsi. DeepSeek-R1-Distill-Qwen-14B.
03

Decidi quanto spazio di compressione accetterai

La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa., raggiungendo una compressione di Q3_K_M sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Confronta TOKEN AL SEC, non specifiche.

Ordina per velocità per vedere come si classificano le schede per DeepSeek-R1-Distill-Qwen-14B. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 229 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di DeepSeek-R1-Distill-Qwen-14B. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Vedi cos'altro che questa card esegue

Seguire una GPU attraverso la sua pagina mostra ogni altro modello che può contenere, che è la domanda che segue una volta che hai deciso su DeepSeek-R1-Distill-Qwen-14B.

Risposte

DeepSeek-R1-Distill-Qwen-14B — domande comuni

DeepSeek-R1-Distill-Qwen-14B— quando è stato rilasciato?

È stato pubblicato in January 2025.

DeepSeek-R1-Distill-Qwen-14B— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Quantitative reasoning, Question answering, Mathematical reasoning, Code generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

DeepSeek-R1-Distill-Qwen-14B— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione deepseek-ai. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

DeepSeek-R1-Distill-Qwen-14B— posso eseguirlo se non si adatta nella mia GPU?

Può essere diviso tra la scheda e la memoria di sistema, ma genera dolorosamente lentamente in quel modo. La più vicina mancata che calcoliamo risulta insufficiente di 3.0 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

DeepSeek-R1-Distill-Qwen-14B— due GPU lo farebbero andare più veloce?

Due schede comprano VRAM piuttosto che velocità, che conta solo se una scheda non può contenerla. Il numero che può: 306. Quindi una seconda CARD è raramente la risposta qui.

DeepSeek-R1-Distill-Qwen-14B— perché la quantizzazione differisce tra le schede?

Una scheda più grande contiene una copia più accurata. Il numero di livelli di compressione utilizzati tra le schede che lo eseguono: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

DeepSeek-R1-Distill-Qwen-14B— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 195–275 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

DeepSeek-R1-Distill-Qwen-14B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è P102-101, con una capacità di memoria di 10 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 8.5 GB, e produce approssimativamente 21.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 306.

DeepSeek-R1-Distill-Qwen-14B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 229 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 266.

DeepSeek-R1-Distill-Qwen-14B— quanta VRAM serve?

Ha bisogno di 8.5 GB a una compressione di Q3_K_M, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

DeepSeek-R1-Distill-Qwen-14B— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q4_K_M, utilizzando circa 10.2 GB e generando approssimativamente 60.3 token al secondo. Il fit è stretto.

DeepSeek-R1-Distill-Qwen-14B— posso eseguirlo su una GPU holding 16 GB?

Sì. La scheda Tesla V100 SXM2 16 GB, tenere 16 GB, lo esegue a una compressione di Q6_K, utilizzando circa 13.7 GB e generando approssimativamente 47.0 token al secondo. Il fit è stretto.

DeepSeek-R1-Distill-Qwen-14B— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q8_0, utilizzando circa 17.1 GB e generando approssimativamente 38.4 token al secondo. Il fit è comodo.

DeepSeek-R1-Distill-Qwen-14B— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

DeepSeek-R1-Distill-Qwen-14B— quanti parametri ha?

Ha un numero di parametri di 14.8B. 14.8B (safetensors). Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

DeepSeek-R1-Distill-Qwen-14B— chi l'ha creato?

È stato pubblicato da DeepSeek, basato su China, un'organizzazione categorizzata come industry.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI