Q4_K_M: 流畅可跑 6.09 GB / 61.4 GB 安全可用
海光深算 DCU K100-AI 64GB (HBM2e) 运行 DeepSeek-R1-Distill-Qwen-7B 显存与速度估算
可以流畅运行。在主流 Q4_K_M 4-bit 量化(16K 上下文)下,DeepSeek-R1-Distill-Qwen-7B 总显存占用约 6.09 GB(权重 4.61 GB + KV 缓存 0.94 GB + 系统开销 0.54 GB),低于 海光 DCU K100-AI 的安全可用水位(61.4 GB),预估单并发推理速度约 127.1 tokens/s。
并发请求数 (Batch):
Dense 7.6B·28L (d=3584)·28Q/4KV·Ctx 128K
流畅可跑6.09 / 61.4 GB~127.1 tok/s· Q4_K_M · 16K ctx
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
流畅可跑
6.09/ 61.4 GB 可用显存
物理总容量 64 GB · 占用率 9.9%
理论带宽解码速度 (Decode)
~127.1tokens/s
实际吞吐受框架 (vLLM/Ollama/Unsloth) 影响约 ±25%
当前并发 (1x) 最大可开窗口
128K/ 128K
高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限
模型权重: 4.61 GBKV Cache (1×16K): 0.94 GB框架开销: 0.54 GB
🚀 闪电秒出(长推理/写代码极爽)生成 500 Token 回答约需 3.9 秒
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run deepseek-r1:7b