DeepSeek R1 Distill Qwen 7B (Q5_K_M) — 13.4 Gosur Scaleway L40S-8-48G
Aperçu
DeepSeek R1 Distill Qwen 7B est un modèle de langage dense de 7.62B paramètres par DeepSeek, avec des capacités en code, multilingual, thinking, tool-calls. Il prend en charge une fenêtre de contexte allant jusqu’à 131,072 tokens.
DeepSeek R1 Distill Qwen 7B est un transformeur dense de 7,62 milliards de parametres de DeepSeek, distille a partir du modele de raisonnement R1 dans une architecture compacte basee sur Qwen. Il apporte le raisonnement "chain-of-thought" et les capacites de reflexion a la classe des 7B parametres, surpassant son poids sur les taches de mathematiques et de logique. Compare aux modeles instruct 7B standard, il offre un raisonnement structure nettement plus performant. Avec une fenetre de contexte de 128K et neuf langues prises en charge, il tient sur un seul GPU grand public et se quantifie bien pour un deploiement auto-heberge efficace.
Avec la quantification Q5_K_M (niveau de qualité medium), le modèle pèse 5.07 Go. Cela tient dans les 384 Go de VRAM de Scaleway L40S-8-48G, permettant une inférence entièrement sur GPU.
Configuration matérielle requise
| Taille du modèle | 5.07 GB |
| VRAM disponible | 384 GB |
| VRAM utilisée | 13.4 GB |
| RAM système | 768 GB |
| RAM min requise | 0 GB |
| Couches GPU | 28 / 28 |
| Taille du contexte | 131 072 |
| Backend | cuda13 |
| Flash attention | Oui |
| Lecture depuis le disque | Oui |
Déploiement
Prérequis
Assurez-vous que vos nœuds GPU sont préparés avec le NVIDIA container toolkit :
ansible-playbook prositronic.infra.nvidia_container_toolkitCommande
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/deepseek-r1-distill-qwen-7b/q5_k_m/nvidia-l40s-384gb.yaml) applyFichier values.yaml
/values/deepseek-r1-distill-qwen-7b/q5_k_m/nvidia-l40s-384gb.yaml
Chargement des valeurs…Questions fréquemment posées
De combien de VRAM DeepSeek R1 Distill Qwen 7B (Q5_K_M) a-t-il besoin ?
La quantification Q5_K_M de DeepSeek R1 Distill Qwen 7B nécessite 5.07 Go. Les 28 couches tiennent dans les 384 Go de VRAM disponibles sur Scaleway L40S-8-48G, permettant une accélération GPU complète.
Puis-je exécuter DeepSeek R1 Distill Qwen 7B sur Scaleway L40S-8-48G ?
Oui. Scaleway L40S-8-48G dispose de 384 Go de VRAM, ce qui suffit pour exécuter DeepSeek R1 Distill Qwen 7B (Q5_K_M) avec toutes les couches sur le GPU pour des performances optimales.
Qu'est-ce que la quantification ?
La quantification réduit la précision numérique d'un modèle de son format virgule flottante original vers une représentation plus compacte. Cela réduit la taille du fichier et l'empreinte VRAM, rendant possible l'exécution de grands modèles sur du matériel grand public. Le compromis est une légère réduction de la qualité de sortie. Q5_K_M compresse DeepSeek R1 Distill Qwen 7B de sa taille originale à 5.07 Go.
Quelle quantification choisir pour DeepSeek R1 Distill Qwen 7B ?
Q5_K_M est une quantification qualité moyenne. Les quants de meilleure qualité (Q8, Q6) préservent davantage la précision du modèle mais nécessitent plus de VRAM. Les quants inférieurs (Q4, Q3, Q2) réduisent l'utilisation de la VRAM au prix d'une certaine qualité. Choisissez en fonction de votre matériel disponible et de vos exigences de qualité.
Qu'est-ce que le flash attention et pourquoi est-il activé ?
Flash attention est un algorithme efficace en mémoire qui accélère le mécanisme d'attention dans les modèles transformer. Il réduit l'utilisation de la VRAM pendant l'inférence en évitant la matérialisation de la matrice d'attention complète. Pour DeepSeek R1 Distill Qwen 7B sur Scaleway L40S-8-48G, flash attention est activé pour maximiser la longueur de contexte et le débit dans les 384 Go de VRAM disponibles.
Comment exécuter DeepSeek R1 Distill Qwen 7B (Q5_K_M) avec Ollama ?
Exécutez ollama run deepseek-r1:7b-qwen-distill-q5_k_m pour démarrer DeepSeek R1 Distill Qwen 7B (Q5_K_M). Ollama télécharge automatiquement les poids du modèle au premier lancement.