# DeepSeek-V3.2 的 GPU 需求

DeepSeek-V3.2 有 685B 參數。部署推理時，16 位約需 1,645 GB 視訊記憶體，8 位約 822 GB，4 位約 411 GB，其中包含約 20% 用於 KV 快取和啟用值。

它是混合專家模型：共 256 個專家，每個 token 啟用其中 8 個。所有專家都常駐視訊記憶體，因此視訊記憶體要按全部 685B 參數來規劃。

[在 Arrakis 上部署](/console/#/models?model=deepseek-ai/DeepSeek-V3.2)。

## 部署推理需要什麼

| 精度 | 視訊記憶體與最小配置 |
|---|---|
| 16 位 | 1,645 GB：8 × [B300](/zh-tw/gpus/b300.html.md)，8 塊合計每小時 $36.80 起 |
| 8 位 | 822 GB：4 × [B300](/zh-tw/gpus/b300.html.md)，4 塊合計每小時 $18.40 起 |
| 4 位 | 411 GB：2 × [B300](/zh-tw/gpus/b300.html.md)，2 塊合計每小時 $9.20 起 |

## 微調需要什麼

| 方法 | 視訊記憶體與最小配置 |
|---|---|
| QLoRA | 480 GB：2 × [B300](/zh-tw/gpus/b300.html.md)，2 塊合計每小時 $9.20 起 |
| LoRA | 1,645 GB：8 × [B300](/zh-tw/gpus/b300.html.md)，8 塊合計每小時 $36.80 起 |
| 全量微調 | 10,966 GB：多於一台 8 卡機器 |

## 關於這個模型

| | |
|---|---|
| 引數量 | `685B` |
| 專家數 | `256` |
| 每個 token 的專家數 | `8` |
| 上下文視窗（token） | `163,840` |
| 釋出精度 | `FP8` |
| 許可證 | `mit` |
| 釋出日期 | `2025-12-01` |
| 權重 | [deepseek-ai/DeepSeek-V3.2](https://huggingface.co/deepseek-ai/DeepSeek-V3.2) |

## 自己部署

```
vllm serve deepseek-ai/DeepSeek-V3.2 --tensor-parallel-size 8
```

## 常見問題

**DeepSeek-V3.2 需要多少視訊記憶體？** 推理部署時，16 位約需 1,645 GB，8 位約 822 GB，4 位約 411 GB，其中包含約 20% 用於 KV 快取和啟用值。微調時，QLoRA 約需 480 GB，LoRA 約需 1,645 GB，使用 Adam 全量微調約需 10,966 GB，均未計入啟用值。

**DeepSeek-V3.2 能在單張 GPU 上執行嗎？** 不能。即使是 4 位也約需 411 GB：需要 2 張 B300。

**執行 DeepSeek-V3.2 要多少錢？** 16 位下需要 8 張 B300；4 位下需要 2 張 B300。本頁每種配置都顯示 Arrakis 目前每 GPU 小時的最低價格，從預付餘額中按小時扣費。

**如何在 Arrakis 上部署 DeepSeek-V3.2？** 在 Arrakis 控制台中開啟 Models，貼上 deepseek-ai/DeepSeek-V3.2，選擇 vLLM、SGLang 或 llama.cpp，然後租用一張能放下它的 GPU。你會得到一個相容 OpenAI 的端點，帶有專屬 API 金鑰，並可透過 root SSH 登入機器。


更多模型：[/models](/zh-tw/models.html.md)。