微信扫码
添加专属顾问
低成本实现高性能AI部署,中小企业的福音来了! 核心内容: 1. DeepSeek-R部署1的高成本难题 2. KTransformers框架介绍及其优势 3. 4090单卡部署DeepSeek-R1的实践与效果
“ 近期国内外都流行一股DeepSeek-R1部署热,大家都纷纷在自己的本地主机上面尝试着部署满血版本的DeepSeek-R1。然而,要部署一个完整的版本的DeepSeek-R1在本地,大概需要16张A800,大概会花费200百万左右的成本。产业界苦671B的大模型已久,希望能有一些低成本的满血版671B DeepSeek部署方案。小编今天给大家推荐一个框架-KTransformers,它支持在单台(24GB VRAM)/多gpu和382G DRAM上的Deepseek-R1和V3,速度提升3~28倍。这可能是很多朋友一直在寻找的东西吧,感兴趣的尽快收藏。”
项目主页-https://github.com/kvcache-ai/ktransformers/tree/main
代码链接-https://github.com/kvcache-ai/ktransformers/tree/main
01-DeepSeek-R1部署痛点梳理
近期国内外都流行一股DeepSeek-R1部署热,大家都纷纷在自己的本地主机上面尝试着部署满血版本的DeepSeek-R1。然而,要部署一个完整的版本的DeepSeek-R1在本地,大概需要16个A800,大概会花费200百万左右的成本。这高昂的部署成本直接劝退了很多人,然而仍然有一些财大气粗的公司花费了巨额资本部署了满血版本的DeepSeek-R1。
02-ktransformers框架简介
2025年2月10日:支持单台(24GB VRAM)/多gpu和382G DRAM上的Deepseek-R1和V3,速度高达3~28倍。
2024年8月28日:在InternLM2.5-7B-Chat-1M模型下支持1M上下文,使用24GB VRAM和150GB DRAM。详细教程在这里。
2024年8月28日:将DeepseekV2所需的VRAM从21G降低到11G。
2024年8月15日:更新注射和多GPU的详细教程。
2024年8月14日:支持llamfile作为线性后端。
2024年8月12日:支持多GPU;支持新型号:mixtral8*7B和8*22B;在gpu上支持q2k、q3k、q5k等数量。
模型: DeepseekV3-q4km (int4)
本地671B DeepSeek-Coder-V3/R1:仅使用14GB VRAM和382GB DRAM运行其Q4_K_M版本。
除此之外,作者还提供了即将推出的优化预览,包括英特尔AMX加速内核和选择性专家激活方法,这将显著提高性能。使用V0.3-preview,作者实现了高达286个令牌/秒的预填充,使其比llama.cpp的局部推理快28倍。具体的wheel文件-。
06-ktransformers框架上手指南
# 步骤1-利用wget将.wh文件下载到本地wget https://github.com/kvcache-ai/ktransformers/releases/download/v0.1.4/ktransformers-0.3.0rc0+cu126torch26fancy-cp311-cp311-linux_x86_64.whl# 步骤2-安装.whl文件pip install ktransformers-0.3.0rc0+cu126torch26fancy-cp311-cp311-linux_x86_64.whl# 步骤3-执行推理python -m ktransformers.local_chat --model_path <your model path> --gguf_path <your gguf path> --prompt_file <your prompt txt file> --cpu_infer 65 --max_new_tokens 1000 <when you see chat, then press enter to load the text prompt_file>
基于上面的策略,如果使用了4比特量化方式,在GPU上面的参数只需24GB的显存,而一张4090刚好可以满足这个需求。
07.02-引入高性能的CPU与GPU算子
该团队使用llamafile来完成CPU算子的推理,利用expert等多种并行优化技术。除此之外,还利用到负载均衡、多线程、任务调度、NUMA感知等多种优化技巧。
07.03-优化基于计算强度的offload策略
在实际的计算中,Expert与MLA具有不同的计算强度,相差的倍数在数千左右。为了解决该问题,该团队通过利用计算强度来决定具体的划分策略,具体按照MLA > Shared Expert > Routed Expert的方法将计算强度高的放入GPU中进行计算,直到GPU中放满为止!
07.04-改进并优化CUDA Graph
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-07-02
AReaL 2.0 正式发布:面向 Agent 应用的 Online RL 微服务架构升级
2026-06-19
从 BERT 标注到 Agent Skill:短文本标签体系的四次“工业革命”
2026-05-14
多轮 Agent 场景下,滴滴的 EAGLE-3 训推加速实践
2026-05-06
谁说 Mac 只能写代码?Google 官宣:M 芯片本地微调 Gemma 4 时代开启!
2026-04-20
用 Unsloth 微调 Embedding 模型,让你的 RAG 检索不再答非所问
2026-04-15
ComfyUI v0.19.0 更新:大量新节点、新模型、新修复与性能优化全面落地,工作流与训练能力再升级
2026-04-13
Agent 持续学习落地路径:先做 Traces,再做 Context,最后才微调模型 | Jinqiu Select
2026-03-23
养死四只龙虾的小白有感
2026-04-15
2026-04-13
2026-04-20
2026-05-06
2026-05-14
2026-06-19
2026-07-02
2026-01-02
2025-11-19
2025-09-25
2025-06-20
2025-06-17
2025-05-21
2025-05-17
2025-05-14
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。