DeepSeek R1 Distill Qwen 32B (Q8_0) — 53.7 GBsu NVIDIA L40S 96GB

Code Multilingual Thinking Tool Calls

Q8_0 NVIDIA L40S 96GB

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 Q8_0 (livello di qualità high), il modello pesa 32.43 GB. Questo rientra nei 96 GB di VRAM di NVIDIA L40S 96GB, consentendo l'inferenza completa su GPU.

Requisiti Hardware

Dimensione del modello	32.43 GB
VRAM disponibile	96 GB
VRAM utilizzata	53.7 GB
RAM di sistema
RAM min richiesta	0 GB
Livelli GPU	64 / 64
Dimensione del contesto	131.072
Backend	cuda13
Flash attention	Sì
Lettura da disco	Sì

Distribuzione

Prerequisiti

Assicurati che i nodi GPU siano preparati con il NVIDIA container toolkit:

ansible-playbook prositronic.infra.nvidia_container_toolkit

Comando

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/deepseek-r1-distill-qwen-32b/q8_0/nvidia-l40s-96gb.yaml) apply

File `values.yaml`

/values/deepseek-r1-distill-qwen-32b/q8_0/nvidia-l40s-96gb.yaml

Caricamento valori…

Installa llama.cpp

Installa llama.cpp dalle istruzioni di compilazione ufficiali per la tua piattaforma e backend.

Scarica modello

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-Q8_0.gguf"

Avvia server

llama-server \
  -m deepseek-r1-distill-qwen-32b.gguf \
  --n-gpu-layers 64 \
  --ctx-size 131072 \
  --flash-attn

Verifica

curl http://localhost:8080/health

Domande frequenti

Quanta VRAM serve per DeepSeek R1 Distill Qwen 32B (Q8_0)?

La quantizzazione Q8_0 di DeepSeek R1 Distill Qwen 32B richiede 32.43 GB. Tutti i 64 livelli entrano nei 96 GB di VRAM disponibili su NVIDIA L40S 96GB, consentendo un'accelerazione GPU completa.

Posso eseguire DeepSeek R1 Distill Qwen 32B su NVIDIA L40S 96GB?

Sì. NVIDIA L40S 96GB offre 96 GB di VRAM, sufficienti per eseguire DeepSeek R1 Distill Qwen 32B (Q8_0) 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. Q8_0 comprime DeepSeek R1 Distill Qwen 32B dalla sua dimensione originale a 32.43 GB.

Quale quantizzazione scegliere per DeepSeek R1 Distill Qwen 32B?

Q8_0 è una quantizzazione di alta qualità. 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 NVIDIA L40S 96GB, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 96 GB di VRAM disponibili.

Come eseguire DeepSeek R1 Distill Qwen 32B (Q8_0) con Ollama?

Esegui ollama run deepseek-r1:32b-qwen-distill-q8_0 per avviare DeepSeek R1 Distill Qwen 32B (Q8_0). Ollama scarica automaticamente i pesi del modello al primo avvio.

Ultimo aggiornamento: 5 marzo 2026