DeepSeek R1 Distill Qwen 32B (Q4_K_M) — 19.4 GBauf NVIDIA RTX 4000 SFF

Q4_K_M NVIDIA RTX 4000 SFF

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 Q4_K_M-Quantisierung (Qualitätsstufe medium) wiegt das Modell 18.49 GB. Das passt in die 20 GB VRAM von NVIDIA RTX 4000 SFF und ermöglicht vollständige GPU-Inferenz.

Hardwareanforderungen

Modellgröße	18.49 GB
Verfügbarer VRAM	20 GB
Genutzter VRAM	19.4 GB
Min. RAM benötigt	0.6 GB
GPU-Ebenen	62 / 64
Kontextgröße	1.593
Backend	cuda13
Flash Attention	Ja

Leistungshinweise

Reduzierte Leistung

2 von 64 Schichten laufen auf der CPU. Ihr System benötigt mindestens 0.6 GB RAM. Bei unzureichendem System-RAM werden Daten bei Bedarf von der Festplatte gelesen, mit erheblichen Leistungseinbußen.

Kürzere Gespräche

Die Kontextgröße wurde aufgrund von Speicherbeschränkungen reduziert. Dies kann die Fähigkeit des Modells beeinträchtigen, lange Gespräche zu führen.

Bereitstellung

Server Lokal

Voraussetzungen

Stellen Sie sicher, dass Ihre GPU-Knoten mit dem NVIDIA Container Toolkit vorbereitet sind:

ansible-playbook prositronic.infra.nvidia_container_toolkit

Befehl

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/deepseek-r1-distill-qwen-32b/q4_k_m/nvidia-rtx4000sff.yaml) apply

Generierte values.yaml

/values/deepseek-r1-distill-qwen-32b/q4_k_m/nvidia-rtx4000sff.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-Q4_K_M.gguf"

Server starten

llama-server \
  -m deepseek-r1-distill-qwen-32b.gguf \
  --n-gpu-layers 62 \
  --ctx-size 1593 \
  --flash-attn

Überprüfen

curl http://localhost:8080/health

Erkunden

• Bereitstellung konfigurieren
• Modelle durchsuchen
• Hardware durchsuchen

Andere Quantisierungen

• DeepSeek R1 Distill Qwen 32B (FP16)
• DeepSeek R1 Distill Qwen 32B (Q8_0)
• DeepSeek R1 Distill Qwen 32B (Q5_K_M)

Andere Hardware

• DeepSeek R1 Distill Qwen 32B on CPU Only
• DeepSeek R1 Distill Qwen 32B on NVIDIA A100 80GB
• DeepSeek R1 Distill Qwen 32B on NVIDIA H100

Häufig gestellte Fragen

Wie viel VRAM benötigt DeepSeek R1 Distill Qwen 32B (Q4_K_M)?

Die Q4_K_M-Quantisierung von DeepSeek R1 Distill Qwen 32B benötigt 18.49 GB. 62 von 64 Schichten passen in die 20 GB VRAM von NVIDIA RTX 4000 SFF; die übrigen Schichten werden auf die CPU ausgelagert.

Kann ich DeepSeek R1 Distill Qwen 32B auf NVIDIA RTX 4000 SFF ausführen?

Ja, mit reduzierter Leistung. NVIDIA RTX 4000 SFF kann DeepSeek R1 Distill Qwen 32B (Q4_K_M) ausführen, aber nur 62 von 64 Schichten passen in den VRAM. Der Rest wird auf die CPU ausgelagert.

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. Q4_K_M komprimiert DeepSeek R1 Distill Qwen 32B von seiner ursprünglichen Größe auf 18.49 GB.

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

Q4_K_M ist eine mittelwertige 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.

Was ist Flash Attention und warum ist es aktiviert?

Flash Attention ist ein speichereffizienter Algorithmus, der den Attention-Mechanismus in Transformer-Modellen beschleunigt. Er reduziert den VRAM-Verbrauch während der Inferenz, indem er die Materialisierung der vollständigen Attention-Matrix vermeidet. Für DeepSeek R1 Distill Qwen 32B auf NVIDIA RTX 4000 SFF ist Flash Attention aktiviert, um Kontextlänge und Durchsatz innerhalb der verfügbaren 20 GB VRAM zu maximieren.

Warum werden einige Schichten auf die CPU ausgelagert?

NVIDIA RTX 4000 SFF hat 20 GB VRAM, aber DeepSeek R1 Distill Qwen 32B (Q4_K_M) benötigt ungefähr 18.49 GB. Nur 62 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 (Q4_K_M) mit Ollama aus?

Führen Sie ollama run deepseek-r1:32b-qwen-distill-q4_k_m aus, um DeepSeek R1 Distill Qwen 32B (Q4_K_M) zu starten. Ollama lädt die Modellgewichte beim ersten Start automatisch herunter.

Zuletzt aktualisiert: 5. März 2026