DeepSeek R1 Distill Qwen 32B (FP16)auf CPU Only

FP16 CPU Only

Überblick

DeepSeek R1 Distill Qwen 32B ist ein 32.76B-Parameter dense-Sprachmodell von DeepSeek, mit Fähigkeiten in code, multilingual, thinking, tool-calls. Es unterstützt ein Kontextfenster von bis zu 131,072 Tokens.

DeepSeek R1 Distill Qwen 32B ist ein dichter Transformer mit 32,76 Milliarden Parametern von DeepSeek, destilliert aus dem groesseren R1-Reasoning-Modell in eine Qwen-basierte Architektur. Er zeichnet sich durch Chain-of-Thought-Reasoning, Codegenerierung und mehrsprachige Aufgaben mit integrierten Denkfaehigkeiten aus. Im Vergleich zu Standard-Instruct-Modellen der 30B-Klasse bietet er staerkeres logisches und mathematisches Schlussfolgern. Das Modell unterstuetzt neun Sprachen und ein 128K-Kontextfenster und eignet sich fuer Entwickler und Forscher, die reasoning-fokussierte Inferenz auf mittelklassigen GPU-Setups benoetigen.

Bei FP16-Quantisierung (Qualitätsstufe full-precision) wiegt das Modell 61.03 GB. Das übersteigt die 0 GB VRAM von CPU Only. Inferenz ist dennoch über CPU-Offload oder speicherabgebildetes Laden von der Festplatte möglich, allerdings mit deutlich reduzierter Leistung.

Eine reine CPU-Konfiguration ohne GPU-Beschleunigung. Die Inferenz laeuft vollstaendig auf der CPU, was erheblich langsamer ist als GPU-beschleunigte Setups, aber keine Spezialhardware erfordert. Leistung und maximale Modellgroesse haengen vom verfuegbaren Arbeitsspeicher ab. Geeignet fuer Tests, Entwicklung oder Deployments ohne verfuegbare GPU.

Hardwareanforderungen

Modellgröße	61.03 GB
Verfügbarer VRAM	0 GB
Genutzter VRAM	0 GB
Min. RAM benötigt	61 GB
GPU-Ebenen	0 / 64
Kontextgröße	131.072
Backend	cpu
Flash Attention	Nein

Leistungshinweise

Reduzierte Leistung

64 von 64 Schichten laufen auf der CPU. Ihr System benötigt mindestens 61 GB RAM. Bei unzureichendem System-RAM werden Daten bei Bedarf von der Festplatte gelesen, mit erheblichen Leistungseinbußen.

Bereitstellung

Server Lokal

Befehl

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/deepseek-r1-distill-qwen-32b/fp16/cpu.yaml) apply

Generierte values.yaml

/values/deepseek-r1-distill-qwen-32b/fp16/cpu.yaml

Werte werden geladen…

llama.cpp installieren

Installieren Sie llama.cpp von den offiziellen Build-Anleitungen für Ihre Plattform und Ihr Backend.

Modell herunterladen

curl -L -o deepseek-r1-distill-qwen-32b.gguf "https://huggingface.co/unsloth/DeepSeek-R1-Distill-Qwen-32B-GGUF/resolve/main/DeepSeek-R1-Distill-Qwen-32B-F16/DeepSeek-R1-Distill-Qwen-32B-F16-00001-of-00002.gguf"

Server starten

llama-server \
  -m deepseek-r1-distill-qwen-32b.gguf \
  --n-gpu-layers 0 \
  --ctx-size 131072

Überprüfen

curl http://localhost:8080/health

Erkunden

• Bereitstellung konfigurieren
• Modelle durchsuchen
• Hardware durchsuchen

Andere Quantisierungen

• DeepSeek R1 Distill Qwen 32B (Q8_0)
• DeepSeek R1 Distill Qwen 32B (Q5_K_M)
• DeepSeek R1 Distill Qwen 32B (Q4_K_M)

Andere Hardware

• DeepSeek R1 Distill Qwen 32B on NVIDIA A100 80GB
• DeepSeek R1 Distill Qwen 32B on NVIDIA H100
• DeepSeek R1 Distill Qwen 32B on NVIDIA RTX 3090

Häufig gestellte Fragen

Wie viel VRAM benötigt DeepSeek R1 Distill Qwen 32B (FP16)?

Die FP16-Quantisierung von DeepSeek R1 Distill Qwen 32B benötigt 61.03 GB. Die 0 GB VRAM von CPU Only reichen nicht für GPU-Schichten aus, daher läuft die Inferenz auf der CPU.

Kann ich DeepSeek R1 Distill Qwen 32B auf CPU Only ausführen?

Es ist möglich, aber nicht empfohlen. CPU Only hat nicht genug VRAM, um DeepSeek R1 Distill Qwen 32B (FP16) zu beschleunigen, daher wird die Inferenz auf CPU und System-RAM zurückgreifen.

Was ist Quantisierung?

Quantisierung reduziert die numerische Präzision eines Modells von seinem ursprünglichen Gleitkommaformat auf eine kompaktere Darstellung. Dies verringert die Dateigröße und den VRAM-Bedarf, wodurch es möglich wird, große Modelle auf Consumer-Hardware auszuführen. Der Kompromiss ist eine geringe Verringerung der Ausgabequalität. FP16 komprimiert DeepSeek R1 Distill Qwen 32B von seiner ursprünglichen Größe auf 61.03 GB.

Welche Quantisierung sollte ich für DeepSeek R1 Distill Qwen 32B wählen?

FP16 ist eine Vollpräzisions- Quantisierung. Hochwertigere Quants (Q8, Q6) bewahren mehr Modellgenauigkeit, benötigen aber mehr VRAM. Niedrigere Quants (Q4, Q3, Q2) reduzieren den VRAM-Verbrauch auf Kosten der Qualität. Wählen Sie basierend auf Ihrer verfügbaren Hardware und Ihren Qualitätsanforderungen.

Warum werden einige Schichten auf die CPU ausgelagert?

CPU Only hat 0 GB VRAM, aber DeepSeek R1 Distill Qwen 32B (FP16) benötigt ungefähr 61.03 GB. Nur 0 von 64 Schichten passen in den VRAM; die übrigen Schichten laufen auf der CPU, was langsamer, aber funktional ist.

Wie führe ich DeepSeek R1 Distill Qwen 32B (FP16) mit Ollama aus?

Führen Sie ollama run deepseek-r1:32b-qwen-distill-fp16 aus, um DeepSeek R1 Distill Qwen 32B (FP16) zu starten. Ollama lädt die Modellgewichte beim ersten Start automatisch herunter.

Zuletzt aktualisiert: 5. März 2026