DeepSeek-V3-0324 (671B MoE) — 显存需求、量化矩阵与 GPU 选型指南
DeepSeek-V3-0324 (671B MoE)（DeepSeek，MIT）采用 混合专家架构 (MoE) 架构，拥有 671B 常驻参数（每 Token 激活 37B）、61 层网络结构，以及支持最高 163,840 上下文 Token 的 多头潜在注意力 (MLA)。
DeepSeek-V3-0324 (671B MoE) 交互式显存与上下文模拟器
多精度量化显存矩阵（8K / 32K / 128K 上下文）
| 精度 / 格式 | 有效 bpw | 仅权重 | 总计 @ 8K ctx | 总计 @ 32K ctx | 总计 @ 128K ctx | 推荐硬件规格 (@ 32K) |
|---|---|---|---|---|---|---|
| FP16 / BF16 | 16.00 bpw | 1249.83 GB | 1289.19 GB | 1290.80 GB | 1297.24 GB | 8× NVIDIA H100 80GB |
| FP8 | 8.50 bpw | 663.97 GB | 685.76 GB | 687.37 GB | 693.80 GB | 8× NVIDIA H100 80GB |
| Q8_0 | 8.50 bpw | 663.97 GB | 685.76 GB | 687.37 GB | 693.80 GB | 8× NVIDIA H100 80GB |
| Q6_K | 6.56 bpw | 512.43 GB | 529.67 GB | 531.28 GB | 537.71 GB | 8× NVIDIA H100 80GB |
| Q5_K_M | 5.69 bpw | 444.47 GB | 459.67 GB | 461.28 GB | 467.71 GB | 8× NVIDIA H100 80GB |
| Q4_K_M | 4.85 bpw | 378.86 GB | 392.09 GB | 393.69 GB | 400.13 GB | 8× NVIDIA H100 80GB |
| AWQ INT4 | 4.50 bpw | 351.52 GB | 363.93 GB | 365.53 GB | 371.97 GB | Mac Studio 512GB |
| IQ4_XS | 4.25 bpw | 331.99 GB | 343.81 GB | 345.42 GB | 351.85 GB | Mac Studio 512GB |
硬件兼容性与解码速度（DeepSeek-V3-0324 (671B MoE) @ Q4_K_M, 32K 上下文）
| 硬件规格 | 显存与带宽 | 32K 所需显存 | 适配结论 | 预估解码速度 |
|---|---|---|---|---|
| RTX 3090 24GB | 24 GB · 936 GB/s | 393.69 GB (1640%) | 显存不足 (OOM) | — |
| RTX 4090 24GB | 24 GB · 1008 GB/s | 393.69 GB (1640%) | 显存不足 (OOM) | — |
| RTX 5090 32GB | 32 GB · 1792 GB/s | 393.69 GB (1230%) | 显存不足 (OOM) | — |
| Apple M-Max 64GB | 64 GB · 546 GB/s | 387.67 GB (606%) | 显存不足 (OOM) | — |
| Mac Studio 128GB | 128 GB · 546 GB/s | 387.67 GB (303%) | 显存不足 (OOM) | — |
| Mac Studio 192GB | 192 GB · 800 GB/s | 387.67 GB (202%) | 显存不足 (OOM) | — |
| NVIDIA A100 80GB | 80 GB · 2039 GB/s | 393.69 GB (492%) | 显存不足 (OOM) | — |
| NVIDIA H100 80GB | 80 GB · 3350 GB/s | 393.69 GB (492%) | 显存不足 (OOM) | — |
已核验 Transformer 架构参数明细
- Checkpoint ID
- deepseek-ai/DeepSeek-V3-0324
- Ollama Tag
- deepseek-v3:671b
- License / Release
- MIT · 2025-Q1
- 拓扑与注意力
- 混合专家架构 (MoE)
- 注意力机制
- 多头潜在注意力 (MLA)
- 总参数量 (B)
- 671B
- 每 Token 激活参数 (B)
- 37B
- 隐藏层数 (Layers) / 隐藏层维度 (Hidden Size)
- 61 / 7168
- 查询头数 (Query Heads) / KV 头数 (KV Heads)
- 128Q / 128KV (d=128)
- MLA kv_lora_rank / rope_dim
- 512 / 64
- MoE Routed Experts
- 8 active / 256 total
- Vocab / Max Position
- 129,280 / 163,840
量化格式除紧凑打包的整数权重外，还需按块存储缩放因子与零点偏移。4-bit GGUF Q4_K_M 检查点平均每参数占用 4.85 有效比特（而非 4.00），Q8_0 平均为 8.50 bpw。对于混合专家（MoE）模型，所有路由专家与共享专家均须常驻内存，以避免逐 Token 触发主机内存换页。
标准分组查询注意力（GQA）跨层分配 2 × L × H_kv × d_head × S × B × bytes_kv。DeepSeek 多头潜在注意力（MLA）将键值压缩为 L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv，削减超过 90% 的长上下文显存。混合滑动窗口模型将局部注意力层限制在 min(S, window_size)，仅全局注意力层随序列长度 S 线性增长。
DeepSeek-V3-0324 (671B MoE) 快速启动 vLLM 与 Ollama 命令
vllm serve deepseek-ai/DeepSeek-V3-0324 \
--tensor-parallel-size 8 \
--max-model-len 32768 \
--max-num-seqs 8 \
--gpu-memory-utilization 0.80 \
--kv-cache-dtype fp8 \
--enable-expert-parallel \
--enable-prefix-caching \
--port 8000# Save as Modelfile, then run: ollama create deepseek-v3-custom -f Modelfile
FROM deepseek-v3:671b
PARAMETER num_ctx 32768
PARAMETER num_batch 512
PARAMETER flash_attn true
# Environment variables for ollama serve:
# OLLAMA_NUM_PARALLEL=8 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serve横向对比同系列及相近规模开源权重模型
DeepSeek-R1 (671B MoE)
DeepSeek · 671B (MLA)
DeepSeek-R1-Distill-Llama-70B
DeepSeek · 70.6B (GQA)
DeepSeek-R1-Distill-Qwen-32B
DeepSeek · 32.8B (GQA)
Llama 3.1 405B Instruct
Meta Llama · 405B (GQA)
Llama 4 Maverick (400B / 17B-128E MoE)
Meta Llama · 402B (GQA)
Qwen3-235B-A22B (MoE)
Qwen · 235B (GQA)