DeepSeek-R1-Distill-Llama-70B kalkulator TPS

Otwórz wagi DeepSeek 70B parametry January 2025

Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość jest oszacowaniem dla pojedynczego żądania, obliczonym na podstawie przepustowości pamięci karty i rozmiaru modelu po skompresowaniu..

Obliczone dla tego modelu

61 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

A100 PCIe 40 GB

40 GB · Q3_K_M · 25.5 tok/s

Najszybsza karta

B200

48.4 tok/s · 180 GB

Które GPU mogą uruchomić DeepSeek-R1-Distill-Llama-70B?

Ustaw wejścia, odczytaj odpowiedź.

Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..

Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..

61 karty pasują

Obliczanie
potrzeby Kwantyzacja Pasuje
48.4 tok/s

41–58

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 73.8 GB Q8_0 Wygodny
48.4 tok/s

41–58

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 73.8 GB Q8_0 Wygodny
38.7 tok/s

23–62 · niska pewność

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 73.8 GB Q8_0 Wygodny
38.7 tok/s

23–62 · niska pewność

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 73.8 GB Q8_0 Wygodny
30.9 tok/s

19–49 · niska pewność

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 73.8 GB Q8_0 Wygodny
29.6 tok/s

25–36

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 73.8 GB Q8_0 Wygodny
29.6 tok/s

25–36

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 73.8 GB Q8_0 Wygodny
29.5 tok/s

25–35

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 57.5 GB Q6_K Wygodny
29.5 tok/s

25–35

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 57.5 GB Q6_K Wygodny
28.3 tok/s

17–45 · niska pewność

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 73.8 GB Q8_0 Wygodny
26.1 tok/s

22–31

GRID A100B NVIDIA 48 GB 1,870 GB/s May 2020 41.2 GB Q4_K_M Wąski
25.5 tok/s

22–31

A100 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Jun 2020 33.0 GB Q3_K_M Wąski
25.5 tok/s

22–31

A100 SXM4 40 GB NVIDIA 40 GB 1,560 GB/s May 2020 33.0 GB Q3_K_M Wąski
25.5 tok/s

22–31

A800 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Nov 2022 33.0 GB Q3_K_M Wąski
25.1 tok/s

15–40 · niska pewność

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 73.8 GB Q8_0 Wygodny
25.1 tok/s

15–40 · niska pewność

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 73.8 GB Q8_0 Wygodny
25.1 tok/s

15–40 · niska pewność

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 73.8 GB Q8_0 Wygodny
23.8 tok/s

20–29

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 73.8 GB Q8_0 Wąski
20.3 tok/s

17–24

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 73.8 GB Q8_0 Wąski
20.3 tok/s

17–24

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 73.8 GB Q8_0 Wąski
20.3 tok/s

17–24

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 73.8 GB Q8_0 Wąski
18.7 tok/s

16–22

RTX PRO 5000 Blackwell NVIDIA 48 GB 1,340 GB/s Mar 2025 41.2 GB Q4_K_M Wąski
17.9 tok/s

15–22

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 57.5 GB Q6_K Wygodny
17.9 tok/s

15–22

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 57.5 GB Q6_K Wygodny
17.9 tok/s

15–22

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 57.5 GB Q6_K Wygodny

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja
DeepSeek
Typ organizacji
Industry
Kraj
China
Opublikowany
22 January 2025
Autorzy
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…

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena
Language
Zadanie
Language modeling/generation, Question answering, Quantitative reasoning, Code generation
Model bazowy
Llama 3.3 70B

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry
70B

70B

Dane treningowe
24,000,000,000 tokens

"To equip more efficient smaller models with reasoning capabilities like DeepSeek-R1, we directly fine-tuned open-source models like Qwen (Qwen, 2024b) and Llama (AI@Meta, 2024) using the 800k samples curated with DeepSeek-R1, as detailed in §2.3.3" assuming ~30000 tokens per sample 30000 * 800000 = 24 000 000 000 tokens (speculative)

Epoki
2

Obliczenia treningowe

Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.

Jak to zostało ustalone
Operation counting
Dostosowywanie obliczeń
2 × 10²² FLOP

6 FLOP / token / parameter * 70 * 10^9 parameters * 24 * 10^9 tokens * 2 epochs = 2.016e+22 FLOP (speculative since number of tokens could be +- 1 OOM)

Dostępność

Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.

Wagi
Open — downloadable
Dostęp do modelu
Open weights (unrestricted)
Kod treningowy
Unreleased

https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Llama-70B MIT license

Hugging Face
deepseek-ai

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność
Speculative

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
Ostatnio zaktualizowane
28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają DeepSeek-R1-Distill-Llama-70B

Uszeregowany według szacowanej liczby tokenów na sekundę, najnowsza karta na pierwszym miejscu, gdy prędkości są równe. Ponieważ generacja jest ograniczona przez pamięć, to uporządkowanie podąża za przepustowością, a nie za jakimkolwiek benchmarkiem gier..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  8. 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  9. 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  10. 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s

Najmniejsze GPU, które nadal działają DeepSeek-R1-Distill-Llama-70B

Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..

  1. 01 A800 PCIe 40 GB 40 GB · potrzeby 33.0 GB · Q3_K_M · Wąski 25.5 tok/s
  2. 02 A100 PCIe 40 GB 40 GB · potrzeby 33.0 GB · Q3_K_M · Wąski 25.5 tok/s
  3. 03 A100 SXM4 40 GB 40 GB · potrzeby 33.0 GB · Q3_K_M · Wąski 25.5 tok/s
  4. 04 Radeon PRO W7900D 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 9.4 tok/s
  5. 05 RTX PRO 5000 Blackwell 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 18.7 tok/s
  6. 06 RTX 5880 Ada Generation 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 12.1 tok/s
  7. 07 L20 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 12.1 tok/s
  8. 08 Radeon PRO W7800 48 GB 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 9.4 tok/s
  9. 09 Radeon PRO W7900 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 9.4 tok/s
  10. 10 Data Center GPU Max 1100 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 11.2 tok/s

Co oznaczają liczby

Wymagania sprzętowe w praktyce

Minimalna karta

A100 PCIe 40 GB

Pamięć potrzebna

33.0 GB

Najszybszy

48.4 tok/s

DeepSeek-R1-Distill-Llama-70B osiąga liczbę parametrów równą 70B. To stawia to powyżej sprzętu konsumenckiego, w zakresie, gdzie karta jest kupowana do tego celu, zamiast przystosowywana do niego. Liczba kart, które śledzimy, które mogą to pomieścić: 61.

Punkt wejścia to A100 PCIe 40 GB, o pojemności pamięci 40 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 25.5 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 48.4 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

DeepSeek-R1-Distill-Llama-70B został opublikowany przez DeepSeek, w kraju zapisanym jako China, podczas January 2025. Wychodzi z organizacji zaklasyfikowanej jako industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Quantitative reasoning, Code generation.

Zamiast być trenowanym od podstaw, pochodzi z Llama 3.3 70B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta. Na Hugging Face jest opublikowane pod organizacją deepseek-ai.

Zrozumienie prędkości

Mediana wyniku wynosi około 17.1 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 49 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking przepustowości pamięci.

Ponieważ architektura jest zarejestrowana, kolumna pamięci jest wyprowadzana, a nie szacowana.

Szkolenie i pochodzenie

Trening zużył korpus około 24,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do DeepSeek-R1-Distill-Llama-70B

Tabela powyżej oceniła już każdą kartę, dla której posiadamy specyfikacje, w stosunku do tego modelu. Dotarcie do odpowiedzi wymaga sześciu kroków..

  1. 01

    Sprawdź, co potrzebuje przed wszystkim innym.

    Każda karta tutaj została sprawdzona pod kątem DeepSeek-R1-Distill-Llama-70B, potrzebując około 33.0 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.

  2. 02

    Dopasuj kontekst do swojego rzeczywistego użycia

    Rozmowa zajmuje pamięć również, i rośnie w miarę trwania. Ustaw suwak na długość, której się spodziewasz, ponieważ przy długim kontekście karta, która łatwo obsługuje krótkie pytania, może zostać odrzucona przez DeepSeek-R1-Distill-Llama-70B.

  3. 03

    Zdecyduj, ile kompresji zaakceptujesz

    Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., osiągnięcie kompresji Q3_K_M na najmniejszej karcie, która się mieści. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.

  4. 04

    Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

    Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. DeepSeek-R1-Distill-Llama-70B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 48.4 tok/s

  5. 05

    Sprawdź werdykt dopasowania przed zakupem

    Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku DeepSeek-R1-Distill-Llama-70B. Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.

  6. 06

    Otwórz kartę, na którą się zdecydowałeś

    Każda strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza DeepSeek-R1-Distill-Llama-70B.

Odpowiedzi

DeepSeek-R1-Distill-Llama-70B — częste pytania

01

DeepSeek-R1-Distill-Llama-70B— kto to stworzył?

Zostało opublikowane przez DeepSeek, oparty na China, organizacja sklasyfikowana jako industry.

02

DeepSeek-R1-Distill-Llama-70B— kiedy to zostało wydane?

Zostało opublikowane w January 2025.

03

DeepSeek-R1-Distill-Llama-70B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Quantitative reasoning, Code generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

04

DeepSeek-R1-Distill-Llama-70B— Gdzie mogę to pobrać?

Jego wagi są publikowane na Hugging Face, pod organizacją deepseek-ai. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.

05

DeepSeek-R1-Distill-Llama-70B— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Tylko przez odciążenie, co zwykle jest fałszywą oszczędnością: część trzymana w pamięci systemowej spowalnia cały proces. Najbliższy brak, który obliczamy, jest za mały o 12.4 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

06

DeepSeek-R1-Distill-Llama-70B— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 61. Więc druga karta rzadko jest odpowiedzią tutaj.

07

DeepSeek-R1-Distill-Llama-70B— dlaczego kwantyzacja różni się między kartami?

Ponieważ pojemność się różni, to również to, jak mocno musi być ściśnięta. Liczba wyróżniających się poziomów w tabeli powyżej: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

08

DeepSeek-R1-Distill-Llama-70B— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 41–58 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

09

DeepSeek-R1-Distill-Llama-70B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to A100 PCIe 40 GB, o pojemności pamięci 40 GB. Uruchamia model przy kompresji Q3_K_M używając około 33.0 GB, i produkuje w przybliżeniu 25.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 61.

10

DeepSeek-R1-Distill-Llama-70B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 48.4 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 49.

11

DeepSeek-R1-Distill-Llama-70B— Ile VRAM-u potrzebuje?

Potrzebuje około 33.0 GB przy kompresji Q3_K_M, który jest najmniejszą kartą, która to uruchamia. Mniej kompresji potrzebuje więcej: liczby w kolumnie pamięci powyżej są przeliczane dla każdej karty, ponieważ każda z nich trzyma wersję o najmniejszej kompresji, jaką może.

12

DeepSeek-R1-Distill-Llama-70B— czy jest open weight?

Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.

13

DeepSeek-R1-Distill-Llama-70B— ile ma parametrów?

Ma liczbę parametrów równą 70B. 70B. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 November 2025

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.

Wszystkie modele AI