01Ce qu'il sait faire
Points forts
- Frontière open
- MLA = mémoire KV réduite
- V3.1-Terminus disponible MIT
Limites à connaître
- —Licence DeepSeek (V3 initial)
- —400+ GB en Q4
Architecture
MoE 256 experts, 8 actifs · MLA · auxiliary-loss-free · FP8 training
Entraînement
14.8T tokens pré-entraînement. V3.1-Terminus (Sep 2025) re-licenciée MIT.
Idéal pour
Chat frontièreCodeRaisonnement
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
400 Go
Q5_K_M
Bon compromis qualité/taille
480 Go
Q8_0
Quasi-indistinguable de FP16
720 Go
FP16
Pleine précision — usage serveur
1342 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 512 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner DeepSeek V3 671B ?
Pour exécuter DeepSeek V3 671B en local en quantification Q4, il faut environ 400 Go de VRAM. Le meilleur rapport prix/performance : un Mac Studio (64 Go de mémoire unifiée).
Où acheter le Mac Studio
DartyVoir Mac Studio →RakutenVoir Mac Studio →AmazonVoir Mac Studio →Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run deepseek-v3:671b
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.