DeepSeek V3 (685B MoE) — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
The complete model. Only 37B parameters activate per token — far cheaper inference than size suggests. Requires enterprise multi-GPU setup (400GB+ VRAM). Typically accessed via API or on-prem clusters. Rivals GPT-4o on most benchmarks.
DeepSeek V3 (685B MoE) potrzebuje około 414 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 226 GB | — | Za duży | |
| Q3_K_M 3.41 bpw | 292.8 GB | — | Za duży | |
| Q4_K_M 4.83 bpw | 414.4 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 486.3 GB | — | Za duży | |
| Q6_K 6.56 bpw | 562.5 GB | — | Za duży | |
| Q8_0 8.50 bpw | 728.6 GB | — | Za duży | |
| F16 16.00 bpw | 1370.8 GB | — | Za duży |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla DeepSeek V3 (685B MoE) →
Uruchom DeepSeek V3 (685B MoE)
DeepSeek V3 (685B MoE) is not practical on a single consumer GPU: it needs about 414.4 GB at Q4_K_M, more than any single device in our catalogue holds with headroom. How multi-GPU inference works, or rent a multi-GPU server by the hour:
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić DeepSeek V3 (685B MoE)
Zainstaluj Ollama, a potem uruchom:
ollama run deepseek-v3Specyfikacja
Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.
- Parametry
- 685 Billion (37B active)
- Okno kontekstu
- 128,000
- Architektura
- MoE (256 experts)
- Dostawca
- DeepSeek
- Licencja
- MIT
- Practical deployment
- Multi-GPU server
- Określono przy
- Q4_K_M
- RAM systemowy
- 700 GB
- Rekord zaktualizowany
- 2024-12-26
Commercial use permitted. No usage restrictions beyond attribution.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Czy uruchomię DeepSeek V3 (685B MoE) na moim GPU?
DeepSeek V3 (685B MoE) — najczęściej zadawane pytania
How much VRAM does DeepSeek V3 (685B MoE) need?
About 414 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does DeepSeek V3 (685B MoE) run on an RTX 4090 (24 GB)?
No. DeepSeek V3 (685B MoE) needs about 414 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run DeepSeek V3 (685B MoE) locally?
Install Ollama and run `ollama run deepseek-v3`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.