DeepSeek R1 Distill Qwen 32B (Q2_K_L) — 23.4 GBen NVIDIA L4
Descripción General
DeepSeek R1 Distill Qwen 32B es un modelo de lenguaje dense de 32.76B parámetros de DeepSeek, con capacidades de code, multilingual, thinking, tool-calls. Admite una ventana de contexto de hasta 131,072 tokens.
DeepSeek R1 Distill Qwen 32B es un transformador denso de 32.760 millones de parametros de DeepSeek, destilado del modelo de razonamiento R1 mas grande en una arquitectura basada en Qwen. Destaca en razonamiento "chain-of-thought", generacion de codigo y tareas multilingues con capacidades de pensamiento integradas. Comparado con modelos instruct estandar de clase 30B, proporciona un razonamiento logico y matematico mas fuerte. El modelo soporta nueve idiomas y una ventana de contexto de 128K, lo que lo hace adecuado para desarrolladores e investigadores que necesitan inferencia enfocada en razonamiento en configuraciones GPU de gama media.
Con cuantización Q2_K_L (nivel de calidad low), el modelo pesa 11.64 GB. Esto cabe dentro de los 24 GB de VRAM de NVIDIA L4, lo que permite la inferencia completa en GPU.
La NVIDIA L4 es una GPU de datacenter para inferencia con 24 GB de GDDR6 VRAM y 300 GB/s de ancho de banda de memoria. Ofrece 121 FP16 TFLOPS con arquitectura Ada Lovelace. Disenada para cargas de inferencia eficientes y de bajo consumo en despliegues cloud y edge. Maneja modelos cuantizados hasta 20B parametros.
Requisitos de Hardware
| Tamaño del modelo | 11.64 GB |
| VRAM disponible | 24 GB |
| VRAM utilizada | 23.4 GB |
| RAM del sistema | |
| RAM mín. requerida | 0 GB |
| Capas GPU | 64 / 64 |
| Tamaño del contexto | 68.912 |
| Backend | cuda13 |
| Flash attention | Sí |
| Lectura desde disco | Sí |
Notas de rendimiento
Despliegue
Prerrequisitos
Asegúrese de que sus nodos GPU estén preparados con el NVIDIA container toolkit:
ansible-playbook prositronic.infra.nvidia_container_toolkitComando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/deepseek-r1-distill-qwen-32b/q2_k_l/nvidia-l4.yaml) applyArchivo values.yaml
/values/deepseek-r1-distill-qwen-32b/q2_k_l/nvidia-l4.yaml
Cargando valores…Preguntas frecuentes
¿Cuánta VRAM necesita DeepSeek R1 Distill Qwen 32B (Q2_K_L)?
La cuantización Q2_K_L de DeepSeek R1 Distill Qwen 32B requiere 11.64 GB. Las 64 capas caben en los 24 GB de VRAM disponibles en NVIDIA L4, permitiendo aceleración GPU completa.
¿Puedo ejecutar DeepSeek R1 Distill Qwen 32B en NVIDIA L4?
Sí. NVIDIA L4 proporciona 24 GB de VRAM, suficiente para ejecutar DeepSeek R1 Distill Qwen 32B (Q2_K_L) con todas las capas en la GPU para un rendimiento óptimo.
¿Qué es la cuantización?
La cuantización reduce la precisión numérica de un modelo de su formato original de punto flotante a una representación más compacta. Esto reduce el tamaño del archivo y la huella de VRAM, haciendo posible ejecutar modelos grandes en hardware de consumo. La contrapartida es una pequeña reducción en la calidad de salida. Q2_K_L comprime DeepSeek R1 Distill Qwen 32B de su tamaño original a 11.64 GB.
¿Qué cuantización debo elegir para DeepSeek R1 Distill Qwen 32B?
Q2_K_L es una cuantización de baja calidad. Los quants de mayor calidad (Q8, Q6) preservan más precisión del modelo pero necesitan más VRAM. Los quants inferiores (Q4, Q3, Q2) reducen el uso de VRAM a costa de cierta calidad. Elija según su hardware disponible y requisitos de calidad.
¿Qué es flash attention y por qué está activado?
Flash attention es un algoritmo eficiente en memoria que acelera el mecanismo de atención en modelos transformer. Reduce el uso de VRAM durante la inferencia evitando la materialización de la matriz de atención completa. Para DeepSeek R1 Distill Qwen 32B en NVIDIA L4, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 24 GB de VRAM disponibles.
¿Cómo ejecutar DeepSeek R1 Distill Qwen 32B (Q2_K_L) con Ollama?
Ejecute ollama run deepseek-r1:32b-qwen-distill-q2_k_l para iniciar DeepSeek R1 Distill Qwen 32B (Q2_K_L). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.