Сервер для DeepSeek-V3 671B

DeepSeek-V3 671B — модель DeepSeek с архитектурой Mixture-of-Experts: в памяти держатся все 671 млрд параметров, а на каждый токен включаются примерно 37 млрд. Памяти нужно как под крупную модель, зато генерация быстрее, чем у плотной модели того же объёма, — поэтому главный параметр сервера для неё объём памяти, а не число GPU. На выделенном сервере с достаточным объёмом памяти такая модель работает внутри вашей инфраструктуры: запросы и данные компании её не покидают.

В типовой конфигурации — квантование int4, контекст 8K токенов — нужно около 389 ГБ: веса 335,5 ГБ, KV-кэш 3,2 ГБ, служебный запас 50,3 ГБ. Одного NVIDIA DGX Spark 128 ГБ не хватит: понадобится кластер из 4 узлов по ~108 ГБ, связанных ConnectX-7. Кластер добавляет память, но не ускоряет одиночный запрос; другой путь — более сильное квантование в таблице ниже.