اَوِستا مگ
سیستم مورد نیاز DeepSeek؛ اجرای محلی از 7B تا 70B
سیستم مورد نیاز DeepSeek برای اجرای محلی، یعنی روی کامپیوتر خودتان و بدون اینترنت، کاملاً به این بستگی دارد که کدام نسخه از این مدل را می‌خواهید اجرا کنید. DeepSeek یکی از محبوب‌ترین مدل‌های هوش مصنوعی متن‌باز است و چون وزن‌های آن آزادانه منتشر شده، می‌شود آن را روی سیستم شخصی اجرا کرد؛ بدون اشتراک ماهانه، بدون محدودیت تعداد پیام و بدون اینکه داده‌هایتان از سیستم خارج شود. اما «DeepSeek» یک مدل واحد نیست و سیستم مورد نیاز DeepSeek از یک لپ‌تاپ معمولی تا سرور چند صد میلیونی متغیر است. در این مقاله دقیق توضیح می‌دهیم برای هر نسخه چه سخت‌افزاری لازم است.
DeepSeek کامل در برابر نسخه‌های فشرده (Distill)
مدل‌های اصلی DeepSeek، مثل DeepSeek-R1 و DeepSeek-V3، حدود ۶۷۱ میلیارد پارامتر دارند. این مدل‌ها از معماری Mixture of Experts استفاده می‌کنند و در هر لحظه فقط بخشی از پارامترها فعال‌اند، اما کل مدل باید در حافظه بارگذاری شود. حتی با فشرده‌سازی ۴ بیتی، نسخه‌ی کامل به چند صد گیگابایت حافظه نیاز دارد که از توان هر کامپیوتر شخصی خارج است.
راه‌حل، نسخه‌های فشرده‌شده‌ی (Distilled) DeepSeek-R1 است. دیپ‌سیک توانایی استدلال مدل بزرگ را به مدل‌های کوچک‌تری با ۱.۵، ۷، ۸، ۱۴، ۳۲ و ۷۰ میلیارد پارامتر منتقل کرده که روی سیستم شخصی اجرا می‌شوند. فهرست رسمی مدل‌ها را در صفحه‌ی DeepSeek در Hugging Face ببینید. مدل‌های جدیدتر DeepSeek هم معمولاً همین الگو را دارند: یک مدل کامل بسیار بزرگ و نسخه‌های کوچک‌تر برای اجرای محلی.
جدول سیستم مورد نیاز DeepSeek برای هر نسخه
اعداد زیر برای نسخه‌های ۴ بیتی (Q4)، رایج‌ترین حالت اجرا در ابزارهایی مثل Ollama و LM Studio، و تقریبی هستند:
| نسخه | حافظه‌ی تقریبی | کارت گرافیک مناسب | کاربرد |
|---|---|---|---|
| R1 Distill 1.5B | حدود ۲ گیگابایت | تقریباً هر کارت، حتی بدون کارت گرافیک | آزمایش و یادگیری |
| R1 Distill 7B / 8B | حدود ۵ تا ۶ گیگابایت | کارت ۸ تا ۱۲ گیگابایتی | چت و کارهای سبک |
| R1 Distill 14B | حدود ۹ تا ۱۰ گیگابایت | RTX 5070 Ti یا 5080 (۱۶ گیگابایت) | نقطه‌ی تعادل کیفیت و سرعت |
| R1 Distill 32B | حدود ۲۰ گیگابایت | RTX 5090 (۳۲ گیگابایت) | کیفیت نزدیک به مدل‌های تجاری در بسیاری از کارها |
| R1 Distill 70B | حدود ۴۰ تا ۴۳ گیگابایت | دو کارت RTX 5090 | کار حرفه‌ای و سازمانی |
| R1 / V3 کامل (۶۷۱B) | چند صد گیگابایت | سرور چندکارته | خارج از توان سیستم شخصی |
به این اعداد چند گیگابایت هم برای طول متن ورودی (Context) اضافه کنید. هرچه گفت‌وگو یا سندی که به مدل می‌دهید طولانی‌تر باشد، حافظه‌ی بیشتری مصرف می‌شود.
چرا حافظه‌ی گرافیکی مهم‌ترین بخش سیستم مورد نیاز DeepSeek است؟
سرعت تولید متن در مدل‌های زبانی تقریباً به سرعت حافظه وابسته است. حافظه‌ی کارت گرافیک چندین برابر سریع‌تر از رم سیستم است. وقتی مدل کامل در VRAM جا شود، پاسخ‌ها روان و سریع تولید می‌شوند. اگر جا نشود، ابزارهایی مثل Ollama بخشی از مدل را به رم سیستم منتقل می‌کنند؛ مدل اجرا می‌شود، اما سرعت به‌شدت افت می‌کند و گاهی چند کلمه در ثانیه بیشتر نیست.
به همین دلیل در انتخاب سیستم برای DeepSeek، کارت گرافیک با حافظه‌ی بیشتر تقریباً همیشه از کارت سریع‌تر با حافظه‌ی کمتر بهتر است. مقایسه‌ی کامل کارت‌ها را در مقاله‌ی بهترین کارت گرافیک برای هوش مصنوعی نوشته‌ایم.
اجرای DeepSeek بدون کارت گرافیک
اگر کارت گرافیک ندارید، سیستم مورد نیاز DeepSeek ساده‌تر اما کندتر است. نسخه‌های ۱.۵ و ۷ میلیاردی روی پردازنده و رم سیستم هم اجرا می‌شوند، اما کند. با ۳۲ گیگابایت رم و پردازنده‌ی نسل جدید، مدل ۷B قابل استفاده است ولی برای کار روزمره کند به نظر می‌رسد. سیستم‌هایی با حافظه‌ی یکپارچه‌ی بزرگ، مثل پلتفرم‌هایی که در مقاله‌ی Ryzen AI Halo بررسی کردیم، راه میانه‌ای برای اجرای مدل‌های بزرگ‌تر با سرعت متوسط هستند.
بقیه‌ی قطعات در سیستم مورد نیاز DeepSeek
- رم سیستم: حداقل برابر و ترجیحاً دو برابر حافظه‌ی گرافیکی؛ ۶۴ گیگابایت برای سیستم تک‌کارته و ۱۲۸ گیگابایت برای سیستم دو کارته.
- SSD: هر مدل چند تا چند ده گیگابایت حجم دارد. اگر چند مدل را امتحان می‌کنید، SSD نوع NVMe با ظرفیت ۲ ترابایت یا بیشتر لازم است.
- پردازنده: بار اصلی روی کارت گرافیک است؛ Ryzen 7 یا Ryzen 9 کافی است. پردازنده فقط وقتی مهم می‌شود که بخشی از مدل روی رم اجرا شود.
- پاور: RTX 5090 تا حدود ۵۷۵ وات مصرف دارد؛ برای سیستم تک‌کارته پاور ۱۲۰۰ وات و برای دو کارته ۱۶۰۰ وات.
نرم‌افزار؛ اجرای DeepSeek در چند دقیقه
ساده‌ترین راه اجرای DeepSeek روی سیستم شخصی، نرم‌افزار Ollama یا LM Studio است. هر دو روی ویندوز و لینوکس اجرا می‌شوند، مدل مناسب را دانلود می‌کنند و به‌صورت خودکار از کارت گرافیک استفاده می‌کنند. LM Studio رابط گرافیکی شبیه چت دارد و برای شروع راحت‌تر است. Ollama برای برنامه‌نویس‌ها و ساخت ابزارهای داخلی سازمان، مثل جست‌وجو در اسناد شرکت (RAG)، مناسب‌تر است.
سه پیکربندی پیشنهادی بر اساس سیستم مورد نیاز DeepSeek
| هدف | کارت گرافیک | رم | بزرگ‌ترین مدل روان |
|---|---|---|---|
| شروع و یادگیری | یک کارت ۱۶ گیگابایتی | ۶۴ گیگابایت | 14B |
| کار حرفه‌ای | RTX 5090 (۳۲ گیگابایت) | ۶۴ تا ۱۲۸ گیگابایت | 32B |
| سازمانی | دو کارت RTX 5090 (۶۴ گیگابایت) | ۱۲۸ گیگابایت | 70B |
جزئیات این پیکربندی‌ها با قطعات موجود در صفحه‌ی خرید سیستم هوش مصنوعی آمده است.
جمع‌بندی سیستم مورد نیاز DeepSeek
نسخه‌ی کامل DeepSeek روی سیستم شخصی اجرا نمی‌شود، اما نسخه‌های فشرده‌ی آن اجرا می‌شوند. برای نسخه‌ی 14B یک کارت ۱۶ گیگابایتی، برای 32B کارت RTX 5090 و برای 70B دو کارت RTX 5090 لازم است. در هر حالت، حافظه‌ی گرافیکی مهم‌ترین عدد سیستم است.
اگر می‌خواهید DeepSeek یا مدل‌های مشابه مثل Qwen و Llama را برای خودتان یا سازمانتان به‌صورت محلی اجرا کنید، صفحه‌ی خرید سیستم هوش مصنوعی را ببینید یا از مشاوره‌ی رایگان استفاده کنید. برای قیمت روز هم درخواست پیش‌فاکتور بدهید.
سؤالات متداول
آیا DeepSeek روی کامپیوتر شخصی بدون اینترنت کار می‌کند؟
بله؛ بعد از دانلود مدل، نسخه‌های فشرده‌ی DeepSeek کاملاً آفلاین روی سیستم شما اجرا می‌شوند و داده‌ای به بیرون ارسال نمی‌شود.
برای اجرای DeepSeek چه کارت گرافیکی لازم است؟
مهم‌ترین بخش سیستم مورد نیاز DeepSeek کارت گرافیک است: برای نسخه‌ی 7B یا 8B کارت ۸ تا ۱۲ گیگابایتی، برای 14B کارت ۱۶ گیگابایتی، برای 32B کارت ۳۲ گیگابایتی مثل RTX 5090 و برای 70B دو کارت RTX 5090.
آیا می‌شود DeepSeek کامل ۶۷۱ میلیاردی را روی کامپیوتر خانگی اجرا کرد؟
عملاً خیر؛ حتی نسخه‌ی فشرده‌ی ۴ بیتی آن چند صد گیگابایت حافظه می‌خواهد و به سرور چندکارته نیاز دارد. برای سیستم شخصی، نسخه‌های Distill گزینه‌ی واقع‌بینانه هستند.