01

基本信息

模型仓库：deepseek-ai/DeepSeek-R1
组织：deepseek-ai
任务：未提供

02

架构与运行信息

模型类型：deepseek_v3
架构：未提供
支持库：safetensors, pytorch
基础模型：未提供
当前修订：master

03

许可与更新时间

许可：mit
创建日期：2025-09-18
最近更新：2025-09-19

04

硬件需求

参考配置（非官方最低要求）：官方模型卡列出总参数 671B，每个 token 激活参数约 37B。全模型 FP8 权重约 680 GB，BF16 约 1.35 TB。FP8 分布式推理可先按约 800 GB 合计显存估算，并额外预留 KV cache 与运行时显存。工作站也可考虑较小的蒸馏版本。 Inference reference: the official card lists 671B total and about 37B active parameters per token. Full-model FP8 weights are roughly 680 GB and BF16 roughly 1.35 TB. Use distributed multi-GPU inference; allow at least about 800 GB aggregate VRAM for FP8, plus KV-cache/runtime headroom. This is an estimate, not an official minimum; distilled variants are more suitable for workstations.

05

下载地址

06

基本使用示例

启动 vLLM 多卡服务 / Start multi-GPU vLLM server

# Example for a multi-GPU host; size parallelism to the available hardware.
pip install -U "vllm>=0.23.0" openai
vllm serve deepseek-ai/DeepSeek-R1 \
  --tensor-parallel-size 8 \
  --pipeline-parallel-size 2 \
  --max-model-len 32768 \
  --trust-remote-code

调用 OpenAI 兼容接口 / Call the OpenAI-compatible API

from openai import OpenAI

client = OpenAI(api_key="EMPTY", base_url="http://localhost:8000/v1")
response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-R1",
    messages=[{"role": "user", "content": "请简要解释混合专家模型（MoE）的工作方式。"}],
    max_tokens=512,
)
print(response.choices[0].message.content)