هل يمكنني تشغيل DeepSeek R1 7B؟
يحتاج DeepSeek R1 7B من DeepSeek إلى نحو 8 GB من RAM عند التكميم الموصى به بدقة 4 بت (تنزيل بحجم 4.6 GB). نفحص عتاد جهازك أدناه — فوراً، ولا شيء يغادر متصفحك. توقّع نحو ~66 tok/s على NVIDIA RTX 3060 12GB.
نقرأ مؤشرات عتاد جهازك…
ملاحظات من الواقع
DeepSeek R1 7B نموذج يُعطي الأولوية للاستدلال، مصمَّم ليفكّر في المسائل خطوة بخطوة بدل أن يكتفي بالردّ عليك. بدقة 4-bit يصل حجمه إلى نحو 4.6 GB، فيتسع على بطاقة رسومات بذاكرة 8 GB ويندرج ضمن الذاكرة الموحَّدة على أي جهاز Mac بمعالج Apple Silicon. الحد الأدنى المُعلن هو 8 GB من ذاكرة RAM، ما يجعله من أيسر نماذج الاستدلال للتشغيل الذاتي. إن أردت مساعِدًا محليًا يُظهر خطوات حلّه في الرياضيات والمنطق والأسئلة متعددة المراحل بدل التخمين، فهذا اختيار منطقي بحجم 7.6B معاملًا.
في الاستخدام اليومي يبرز أسلوب الاستدلال كأهم ميزة: يكتب سلسلة من التفكير قبل الإجابة النهائية، وهذا يستهلك رموزًا لكنه عادةً يصل إلى نتائج أكثر موثوقية في المسائل الصعبة. والسرعة مريحة لهذا النوع من العمل. على بطاقة RTX 3060 12GB يمكنك توقّع نحو 66 tok/s، ويقترب معالج M-series Max من 76 tok/s، وهي سرعة كافية بحيث لا يبدو التفكير المرئي وكأنه انتظار. سياق الـ 128K حقيقي لكنه مُكلِف: إن ملأته يرتفع إجمالي الذاكرة إلى نحو 21 GB، أي أبعد بكثير من بطاقة بسعة 8 GB، لذا أبقِ سياق العمل متواضعًا ما لم تكن لديك بطاقة بذاكرة 24 GB.
بتوصيف صادق، فإنه يقايض صقل المحادثة العامة مقابل التروّي، وإن كان عملك في معظمه برمجة فستكون عمومًا أفضل حالًا مع Qwen 2.5 Coder 7B بالحجم نفسه. ميزته اللافتة هي سلوك الاستدلال التلقائي ضمن حجم تستطيع الأجهزة الصغيرة تشغيله فعلًا؛ وإن تجاوزت قدراته فإن DeepSeek R1 8B هو الخطوة التالية الطبيعية للترقية. الرخصة هي MIT، لذا أنت حرّ في استخدامه تجاريًا وفي بيئة الإنتاج دون أي قيود خاصة بمزوّد بعينه، وهو أمر نادر في نموذج بهذه القدرة.
المواصفات
الحجم حسب التكميم
| التكميم | بت/وزن | حجم التنزيل | الحد الأدنى من RAM | الجودة |
|---|---|---|---|---|
| Q2_K | 3.35 | 3.2 GB | 6 GB | فقدان ملحوظ |
| Q4_K_Mموصى به | 4.85 | 4.6 GB | 8 GB | موصى به |
| Q5_K_M | 5.65 | 5.4 GB | 12 GB | عالية |
| Q8_0 | 8.5 | 8.1 GB | 12 GB | شبه أصلية |
| F16 | 16 | 15.2 GB | 24 GB | أصلية |
الأحجام تقديرات محسوبة من عدد المعاملات × عدد البتات لكل وزن؛ وتختلف نسخ GGUF الفعلية قليلاً. · آخر تحديث للبيانات: 2026-06-11 · كيف نحسب هذه الأرقام →
الذاكرة المطلوبة حسب طول السياق
| السياق | ذاكرة KV cache (تقديرياً) | إجمالي الذاكرة (Q4) |
|---|---|---|
| 4K رمز | ~0.5 GB | ~5.1 GB |
| 8K رمز | ~1.0 GB | ~5.6 GB |
| 32K رمز | ~4.1 GB | ~8.7 GB |
| 128K رمز | ~16.4 GB | ~21.0 GB |
تنمو ذاكرة KV cache مع طول السياق — فالنموذج الذي يتسع عند 4K قد تنفد ذاكرته عند 32K. التقديرات تفترض ذاكرة تخزين بدقة FP16 مع grouped-query attention؛ ويختلف الاستهلاك الفعلي حسب بيئة التشغيل.
السرعة التقديرية حسب العتاد
| العتاد | عرض النطاق | السرعة التقريبية |
|---|---|---|
| NVIDIA RTX 3060 12GB | 360 GB/s | ~66 tok/s |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~186 tok/s |
| Apple M-series (base) | 100 GB/s | ~18 tok/s |
| Apple M-series Pro | 270 GB/s | ~50 tok/s |
| Apple M-series Max | 410 GB/s | ~76 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~11 tok/s |
توليد الرموز محكوم بعرض نطاق الذاكرة: tok/s ≈ عرض النطاق × 0.85 ÷ حجم النموذج عند Q4. وتختلف الأرقام الفعلية حسب بيئة التشغيل وطول السياق.
شغّله محلياً
أسهل طريق هو Ollama — أمر واحد وتبدأ المحادثة:
ollama run deepseek-r1