DeepSeek R1 Distill Qwen 32B (FP16) — 79.4 GBsu OVH a100-1-gpu
Panoramica
DeepSeek R1 Distill Qwen 32B è un modello linguistico dense da 32.76B parametri di DeepSeek, con capacità di code, multilingual, thinking, tool-calls. Supporta una finestra di contesto fino a 131,072 token.
DeepSeek R1 Distill Qwen 32B e un trasformatore denso da 32,76 miliardi di parametri di DeepSeek, distillato dal modello di ragionamento R1 piu grande in un'architettura basata su Qwen. Eccelle nel ragionamento "chain-of-thought", nella generazione di codice e nei compiti multilingue con capacita di pensiero integrate. Rispetto ai modelli instruct standard di classe 30B, offre un ragionamento logico e matematico piu forte. Il modello supporta nove lingue e una finestra di contesto da 128K, rendendolo adatto a sviluppatori e ricercatori che necessitano di inferenza focalizzata sul ragionamento su configurazioni GPU di fascia media.
Con la quantizzazione FP16 (livello di qualità full-precision), il modello pesa 61.03 GB. Questo rientra nei 80 GB di VRAM di OVH a100-1-gpu, consentendo l'inferenza completa su GPU.
La NVIDIA A100 80 GB e una GPU datacenter con 80 GB di HBM2e VRAM e 2039 GB/s di larghezza di banda della memoria. Offre 312 FP16 TFLOPS, consentendo un'inferenza rapida su grandi modelli linguistici fino a 70B parametri con quantizzazione moderata. Ideale per team datacenter che eseguono carichi di lavoro LLM in produzione e richiedono elevata capacita di memoria e throughput.
Requisiti Hardware
| Dimensione del modello | 61.03 GB |
| VRAM disponibile | 80 GB |
| VRAM utilizzata | 79.4 GB |
| RAM di sistema | 160 GB |
| RAM min richiesta | 0 GB |
| Livelli GPU | 64 / 64 |
| Dimensione del contesto | 112.232 |
| Backend | cuda13 |
| Flash attention | Sì |
| Lettura da disco | Sì |
Note sulle prestazioni
Distribuzione
Prerequisiti
Assicurati che i nodi GPU siano preparati con il 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/fp16/nvidia-a100-80gb.yaml) applyFile values.yaml
/values/deepseek-r1-distill-qwen-32b/fp16/nvidia-a100-80gb.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per DeepSeek R1 Distill Qwen 32B (FP16)?
La quantizzazione FP16 di DeepSeek R1 Distill Qwen 32B richiede 61.03 GB. Tutti i 64 livelli entrano nei 80 GB di VRAM disponibili su OVH a100-1-gpu, consentendo un'accelerazione GPU completa.
Posso eseguire DeepSeek R1 Distill Qwen 32B su OVH a100-1-gpu?
Sì. OVH a100-1-gpu offre 80 GB di VRAM, sufficienti per eseguire DeepSeek R1 Distill Qwen 32B (FP16) con tutti i livelli sulla GPU per prestazioni ottimali.
Cos'è la quantizzazione?
La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. FP16 comprime DeepSeek R1 Distill Qwen 32B dalla sua dimensione originale a 61.03 GB.
Quale quantizzazione scegliere per DeepSeek R1 Distill Qwen 32B?
FP16 è una quantizzazione di piena precisione. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.
Cos'è il flash attention e perché è attivato?
Flash attention è un algoritmo efficiente in memoria che accelera il meccanismo di attenzione nei modelli transformer. Riduce l'uso di VRAM durante l'inferenza evitando la materializzazione della matrice di attenzione completa. Per DeepSeek R1 Distill Qwen 32B su OVH a100-1-gpu, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 80 GB di VRAM disponibili.
Come eseguire DeepSeek R1 Distill Qwen 32B (FP16) con Ollama?
Esegui ollama run deepseek-r1:32b-qwen-distill-fp16 per avviare DeepSeek R1 Distill Qwen 32B (FP16). Ollama scarica automaticamente i pesi del modello al primo avvio.