我们前面简单对比了DeepSeek 1.5B-32B的模型能力情况（一道四年级数学题，DeepSeek-R1的32b以下模型全军覆没，视频为证！），为什么会有这么大的差异呢？我最近又深入学习了一下。
大概意思是说，大模型中的每一个参数就是一个数字，默认的存储精度一般是BF16或者是FP16，学过编程的都知道，FP16就是16位半精度浮点数，数据长度有16bit，也就是2字节。按照这个容量计算，7B（70亿）的模型文件大小应该是14 GB左右，实际上也差不多，有15,237,852,832字节，合14.1 GB，而把这个模型运行起来，大概也是就是占用这么大的显存，实际上也差不多，要占用14623 MB，合14.28 GB。
如果是BF16，也就是16位Brain浮点数，虽然占用的存储空间一样，但是BF16的数据范围比FP16更大。
而对于INT8或者INT4量化，通过使用缩放因子，将16位数据压缩至8bit（1字节）或者4bit（半字节），模型文件更小。比如说，7B（70亿）模型经过INT8量化之后的文件大小为8,098,524,832字节，合7.54 GB，因为不是简单的数据压缩，所以比一半大小稍微大一点。而当把量化后的文件加载到GPU之后，因为涉及到框架开销和KV缓存（Key Value Cache）等因素，实际显存占用会比模型文件更大，实际达到了8300 MB，合8.1 GB。
就拿ollama默认使用的7B模型来说，是经过INT4量化过的，文件大小为4,683,073,184字节，合4.36 GB，比量化过的INT8模型的一半大小又稍微大了一点。而当把量化后的文件加载到GPU之后，实际显存占用达到了5303 MB，合5.18 GB。
而人们对比时总喜欢拿相对精度来说事，也就是相对于671B的满血未量化版，在不同的评测中得分能拿到多少，这个我暂时还没测，因为671B我就测不了，但是根据DeepSeek自己给出的回答，FP16的7B模型的相对精度为44%，INT8为42%，INT4为38%；最低的INT4量化的1.5B模型，相对精度只有22%；要用到INT4量化的14B模型，相对精度才能达到60%的及格线水平；而直到使用INT8量化的32B模型时，相对精度才超过80%，达到82%。
要是看上面这张表，上次的数学测试也就不足为奇了。
除此之外，除了7B模型和8B模型有所交织之外，其余模型也是秉承一寸长一寸强的原则，参数大一级压死人。当然，现在有了更新的蒸馏方式，能不能更好用还不好说。
但是从显存占用的角度来看，有些情况下反而是更大参数模型的量化版本精度更高，更具性价比。比如以FP16精度运行7B模型，与用INT4量化方式运行14B模型，在显存占用降低了27.7 %的同时，相对精度提高了36.4%，这不就是花小钱办大事吗？
以市面上场景的显存规格来看，比如16 GB的Tesla T4，可能最适合运行INT4量化后的14B模型；如果显存提升到了24 GB的Tesla P40或者A10，可能最适合运行INT4量化后的32B模型；如果显存提升到32 GB的V100，可能还是最适合运行INT4量化后的32B模型。
如果要更上一层楼，使用INT8量化的32B模型需要38 GB显存，对应的可能就需要配置48 GB显存；但是当显存达到48 GB之后，也就勉强能运行INT4量化过的70B模型了，显存占用47.5 GB，不过可能要更大显存才能流畅使用。
目前市面上通过云主机能开到的最高显存的云主机应该是4卡的V100，显存128 GB，这个显存也就能跑一下INT8量化过的70B模型，显存占用79 GB，此时相对精度已经达到了89%。如果想冲刺90%以上，至少也需要141 GB显存，可能得上更高规格的物理机了。
部分显存验证信息如下：
1、模型deepseek-r1:1.5b-qwen-distill-q4_K_M的显存占用为1651 MB：
2、模型deepseek-r1:1.5b-qwen-distill-q8_0的显存占用为2281 MB：
3、模型deepseek-r1:1.5b-qwen-distill-fp16的显存占用为3661 MB：
4、模型deepseek-r1:7b-qwen-distill-q4_K_M的显存占用为5303 MB：
5、模型deepseek-r1:8b-llama-distill-q4_K_M的显存占用为6182 MB：
6、模型deepseek-r1:7b-qwen-distill-q8_0的显存占用为8300 MB：
7、模型deepseek-r1:8b-llama-distill-q8_0的显存占用为9385 MB：
8、模型deepseek-r1:14b-qwen-distill-q4_K_M的显存占用为10577 MB：
9、模型deepseek-r1:7b-qwen-distill-fp16的显存占用为14623 MB：
10、模型deepseek-r1:8b-llama-distill-fp16的显存占用为16096 MB：
11、模型deepseek-r1:14b-qwen-distill-q8_0的显存占用为16609 MB：
12、模型deepseek-r1:32b-qwen-distill-q4_K_M的显存占用21450 MB：
13、模型deepseek-r1:14b-qwen-distill-fp16的显存占用为29234 MB：
14、模型deepseek-r1:32b-qwen-distill-q8_0的显存占用为38852 MB：
15、模型deepseek-r1:70b-llama-distill-q4_K_M的显存占用为48654 MB：
16、模型deepseek-r1:70b-llama-distill-q8_0的显存占用为67446 MB：
17、模型deepseek-r1:32b-qwen-distill-fp16的显存占用为79106 MB：
该说不说，ollama默认将INT4量化的模型作为默认选项不是没有道理，整体的性价比还是很高的。
当然，看了这么多，如果你的笔记本显存只有8 GB的话，还是老老实实的用INT4量化过的7B或者8B模型吧。
***推荐阅读***
哪怕用笔记本的4070显卡运行DeepSeek，都要比128核的CPU快得多！
帮你省20块！仅需2条命令即可通过Ollama本地部署DeepSeek-R1模型
一个小游戏里的数学问题，难倒了所有的人工智能：ChatGPT、DeepSeek、豆包、通义千问、文心一言
离线文件分享了，快来抄作业，本地部署一个DeepSeek个人小助理
Ubuntu使用Tesla P4配置Anaconda+CUDA+PyTorch
没有图形界面，如何快速部署一个Ubuntu 24.10的Server虚拟机
清华大模型ChatGLM3在本地Tesla P40上也运行起来了
使用openVPN对比AES和SM4加密算法性能，国密好像也没那么差
转发性能只有1 G吗？Debian使用strongSwan配置的IPsec VPN好像也不太强
扫一扫
512
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
