对比这两个“数字”，立马明白DeepSeek本地部署选哪个版本！

本地部署DeepSeek该选哪个版本？网上的说法太多，并且挺唬人的，一方面好像没特别好的显卡就搞不了？另一方面又有人把它部署到NAS上，千奇百怪，最后各位小伙伴不得不亲自尝试去摸索。

经过菜菜对7b和14b两个版本的部署和观察，找到了一些规律分享给大家，从技术方面可能会表述不严谨，但是从实践方面却非常有用！

先说结论：要对比的两个“数字”，第一是你显卡的显存大小，第二是你选择的本地模型体积大小。

比如我本地是一个12代i5主机，32GB的内存和一个2060独显，6GB显存。看上图，7b版本model的体积是4.7GB，而8b版本model文件体积是4.9GB。

因为“显存”大于“模型”，所以运行时候，可以把模型全部塞进显存里，这时候提问和输出答案的速度就是最快的。这是观察所得的答案，表述可能不准确，实测确实是这么回事。

下图就是7b本地模型运行时候任务管理器的表现，可以看到，6GB的显存占用了4.8GB，共享GPU内存占用了不到1GB，GPU内存显示21.9GB，使用时5.7GB。专用GPU内存加上共享GPU内存（向内存借的）等于GPU内存。

当Model文件小于你显卡显存的时候，借内存的那部分用不上，只是在预备着，以防万一。

当我本地部署14b版本时候，14b版本的Model文件有9GB，比我的显存还要大，这时候，显存占用4.8GB，向内存借来的16GB里，占用了5GB。只要向内存借用了，CPU也得使劲，此时CPU占用率达到55%左右（见文末最后一个图）。

大家一定注意到了，文章只提及了显存，没提及显卡，毕竟8GB的显存，既有几百块能买到，也有近万元才能买到的。难道真没差别？有一位值友这么说的：“这种已经训练完成的模型，运行速度主要就是看显存，GPU压力很低，显存基本吃满。”

总结：如果你显存有6GB或者8GB，运行7b或者8b版本，速度会比较流畅，放心使用。如果这个显存，你非得上14b，只要你的cpu比较新，内存足够大，也可以用，输出速度和阅读速度相当，勉强能接受。运行14b和7b时候究竟有多快？多慢？查看我最近一个笔记视频，那是原速展示。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～