DeepSeek R1 Distill Qwen 32B (Q5_K_M) — 31.4 GBauf AMD Radeon 8050S 32GB

Q5_K_M AMD Radeon 8050S 32GB

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 Q5_K_M-Quantisierung (Qualitätsstufe medium) wiegt das Modell 21.66 GB. Das passt in die 32 GB VRAM von AMD Radeon 8050S 32GB und ermöglicht vollständige GPU-Inferenz.

Hardwareanforderungen

Modellgröße	21.66 GB
Verfügbarer VRAM	32 GB
Genutzter VRAM	31.4 GB
GPU-Ebenen	64 / 64
Kontextgröße	55.674
Backend	vulkan
Flash Attention	Ja

Leistungshinweise

Kürzere Gespräche

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

Bereitstellung

Server Lokal

Befehl

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/deepseek-r1-distill-qwen-32b/q5_k_m/amd-8050s-32gb.yaml) apply

Generierte values.yaml

/values/deepseek-r1-distill-qwen-32b/q5_k_m/amd-8050s-32gb.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-Q5_K_M.gguf"

Server starten

llama-server \
  -m deepseek-r1-distill-qwen-32b.gguf \
  --n-gpu-layers 64 \
  --ctx-size 55674 \
  --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 (Q4_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 (Q5_K_M)?

Die Q5_K_M-Quantisierung von DeepSeek R1 Distill Qwen 32B benötigt 21.66 GB. Alle 64 Schichten passen in die 32 GB VRAM von AMD Radeon 8050S 32GB, was volle GPU-Beschleunigung ermöglicht.

Kann ich DeepSeek R1 Distill Qwen 32B auf AMD Radeon 8050S 32GB ausführen?

Ja. AMD Radeon 8050S 32GB bietet 32 GB VRAM, was ausreicht, um DeepSeek R1 Distill Qwen 32B (Q5_K_M) mit allen Schichten auf der GPU für optimale Leistung auszuführen.

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. Q5_K_M komprimiert DeepSeek R1 Distill Qwen 32B von seiner ursprünglichen Größe auf 21.66 GB.

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

Q5_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 AMD Radeon 8050S 32GB ist Flash Attention aktiviert, um Kontextlänge und Durchsatz innerhalb der verfügbaren 32 GB VRAM zu maximieren.

Wie führe ich DeepSeek R1 Distill Qwen 32B (Q5_K_M) mit Ollama aus?

Führen Sie ollama run deepseek-r1:32b-qwen-distill-q5_k_m aus, um DeepSeek R1 Distill Qwen 32B (Q5_K_M) zu starten. Ollama lädt die Modellgewichte beim ersten Start automatisch herunter.

Zuletzt aktualisiert: 5. März 2026