Zum Inhalt springen
Prositronic

DeepSeek V3.1 (Q6_K) — 54.7 GBauf Apple M2 Pro 16GB

DeepSeek
Code Multilingual Thinking Tool Calls
Q6_K Apple M2 Pro 16GB

Überblick

DeepSeek V3.1 ist ein 684.53B-Parameter moe-Sprachmodell von DeepSeek, mit Fähigkeiten in code, multilingual, thinking, tool-calls. Es unterstützt ein Kontextfenster von bis zu 163,840 Tokens.

DeepSeek V3.1 ist ein Mixture-of-Experts-Modell mit 685 Milliarden Parametern von DeepSeek, das 8 von 256 Experten pro Token plus einen geteilten Experten aktiviert. Es liefert Spitzenleistungen bei Codegenerierung, Schlussfolgern und mehrsprachigen Aufgaben und nutzt dabei weit weniger aktive Parameter pro Inferenzschritt als vergleichbar grosse dichte Modelle. Das Modell unterstuetzt Denkmodus, Tool Calling und neun Sprachen. Mit einem 160K-Kontextfenster erfordert es Multi-GPU- oder verteilte Setups, laesst sich aber bis auf Q2-Stufen quantisieren fuer einen reduzierten VRAM-Bedarf.

Bei Q6_K-Quantisierung (Qualitätsstufe high) wiegt das Modell 513.41 GB. Das übersteigt die 16 GB VRAM von Apple M2 Pro 16GB. Inferenz ist dennoch über CPU-Offload oder speicherabgebildetes Laden von der Festplatte möglich, allerdings mit deutlich reduzierter Leistung.

Hardwareanforderungen

Modellgröße 513.41 GB
Verfügbarer VRAM 16 GB
Genutzter VRAM 54.7 GB
Min. RAM benötigt 513.4 GB
GPU-Ebenen 0 / 61
Kontextgröße 32.768
Backend metal
Flash Attention Nein

Leistungshinweise

Bereitstellung

llama.cpp installieren

brew install llama.cpp

Modell herunterladen

curl -L -o deepseek-v3-1.gguf "https://huggingface.co/unsloth/DeepSeek-V3.1-GGUF/resolve/main/Q6_K/DeepSeek-V3.1-Q6_K-00001-of-00012.gguf"

Server starten

llama-server \
  -m deepseek-v3-1.gguf \
  --n-gpu-layers 0 \
  --ctx-size 32768

Überprüfen

curl http://localhost:8080/health

Häufig gestellte Fragen

Wie viel VRAM benötigt DeepSeek V3.1 (Q6_K)?

Die Q6_K-Quantisierung von DeepSeek V3.1 benötigt 513.41 GB. Die 16 GB VRAM von Apple M2 Pro 16GB reichen nicht für GPU-Schichten aus, daher läuft die Inferenz auf der CPU.

Kann ich DeepSeek V3.1 auf Apple M2 Pro 16GB ausführen?

Es ist möglich, aber nicht empfohlen. Apple M2 Pro 16GB hat nicht genug VRAM, um DeepSeek V3.1 (Q6_K) 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. Q6_K komprimiert DeepSeek V3.1 von seiner ursprünglichen Größe auf 513.41 GB.

Welche Quantisierung sollte ich für DeepSeek V3.1 wählen?

Q6_K ist eine hochwertige 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?

Apple M2 Pro 16GB hat 16 GB VRAM, aber DeepSeek V3.1 (Q6_K) benötigt ungefähr 513.41 GB. Nur 0 von 61 Schichten passen in den VRAM; die übrigen Schichten laufen auf der CPU, was langsamer, aber funktional ist.

Was ist MoE und wie beeinflusst es die Bereitstellung?

DeepSeek V3.1 verwendet eine Mixture-of-Experts (MoE)-Architektur mit 256 Experten, von denen 8 pro Token aktiv sind. Das bedeutet, dass nur ein Bruchteil der Modellgewichte bei jedem Inferenzschritt verwendet wird, wodurch MoE-Modelle bei der Gesamtparameteranzahl größer sein können und dennoch bei der Inferenz effizient bleiben.

Zuletzt aktualisiert: 5. März 2026