Aller au contenu principal
PromptQuorumConçu pour les humains. Structuré pour l'IA.

Meilleure distillation DeepSeek pour votre GPU (2026)

Par · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

Associez votre GPU à une distillation DeepSeek-R1 en une ligne : la RTX 3060 12GB exécute la 7B, la RTX 4060 Ti 16GB la 14B, la RTX 4090 la 32B (surpasse o1-mini selon les résultats publiés par DeepSeek) et le double GPU la 70B. Sur une carte de 8 Go, exécutez DeepSeek-R1-0528-Qwen3-8B — l'une des meilleures petites distillations de raisonnement à sa sortie. Toutes les commandes utilisent Q4_K_M par défaut. Situation : R1 n'est plus la génération actuelle de DeepSeek (c'est DeepSeek-V4), mais ces distillés sont des publications open-weight distinctes qui tournent toujours en local. La comparaison avec o1-mini est historique : OpenAI a arrêté o1-mini le 27 octobre 2025.

Points clés

  • ✓R1 n'est plus la génération actuelle de DeepSeek : c'est DeepSeek-V4 (Flash et Pro, poids ouverts sous licence MIT). Les distillés R1 sont des publications open-weight distinctes et tournent toujours en local.
  • ✓RTX 3060 12GB → distillation 7B ; RTX 4060 Ti 16GB → 14B (le bon équilibre) ; RTX 4090 → 32B (surpasse o1-mini).
  • ✓Double GPU ou 48 Go → distillation 70B, la plus performante des six.
  • ✓Sur 8 Go, le meilleur petit modèle est DeepSeek-R1-0528-Qwen3-8B.
  • ✓Chaque modèle s'installe en Q4_K_M avec une seule commande, par ex. `ollama run deepseek-r1:14b`.
  • ✓Réglez la température sur 0.6 et n'utilisez aucun system prompt, comme le recommande DeepSeek, pour éviter les répétitions sans fin.
  • ✓Il s'agit de la famille de raisonnement R1 — pas de DeepSeek-V3, qui est un modèle de chat.
Meilleure distillation DeepSeek pour votre GPU (2026)

Cette page contient des liens de référence vers des produits tiers. PromptQuorum n'est inscrit à aucun programme d'affiliation — ce sont de simples liens qui ne génèrent aucune commission. Cliquer sur les liens et vos prochaines étapes relèvent entièrement de votre responsabilité. Toute recommandation sur cette page reflète notre propre lecture des pages publiques des fournisseurs, et non une approbation des fournisseurs ni un test.

Réponse rapide

Repérez votre carte : RTX 3060 12GB → 7B, RTX 4070 12GB → 8B (14B seulement avec un contexte court), RTX 4060 Ti 16GB / 4070 Ti Super / 4080 → 14B, RTX 4090 → 32B, double GPU/48 Go → 70B. La 32B exige à elle seule ~20 Go pour les poids : elle ne tient donc pas sur une carte de 12 ou 16 Go. Pour le meilleur petit modèle sur 8 Go, exécutez DeepSeek-R1-0528-Qwen3-8B (`ollama run deepseek-r1:8b`). Chaque modèle s'exécute avec une seule commande Ollama en Q4_K_M.

  • ▸RTX 3060 12GB → deepseek-r1:7b — ~30–40 tok/s
  • ▸RTX 4060 Ti 16GB → deepseek-r1:14b — ~25–35 tok/s (recommandé)
  • ▸RTX 4070 12GB → deepseek-r1:8b (14B seulement en contexte court) — ~30–40 tok/s
  • ▸RTX 4070 Ti Super / 4080 16GB → deepseek-r1:14b — ~40–50 tok/s (la 32B ne tient pas)
  • ▸RTX 4090 24GB → deepseek-r1:32b — ~30–40 tok/s, surpasse o1-mini
  • ▸Double GPU / 48 Go → deepseek-r1:70b — ~12–18 tok/s
  • ▸Carte de 8 Go, meilleur petit → DeepSeek-R1-0528-Qwen3-8B
Quantization & VRAMIntermédiaire

GPU → distillation DeepSeek-R1 → commande Ollama

Repérez votre GPU dans la première colonne et lisez la ligne. Les valeurs tok/s sont des estimations indicatives pour des charges de raisonnement Q4_K_M, et non des mesures de PromptQuorum ; elles varient selon la longueur du contexte, les réglages d'échantillonnage et le matériel. Lorsque deux modèles tiennent, le plus grand raisonne mieux, le plus petit est plus rapide.

GPU (VRAM)Meilleure distillationCommande Ollamatok/s attendus
RTX 3060 12GB (palier 8 Go)DeepSeek-R1-Distill-Qwen-7Bollama run deepseek-r1:7b~30–40
8 Go, meilleur petitDeepSeek-R1-0528-Qwen3-8Bollama run deepseek-r1:8b~30–40
RTX 4060 Ti 16GBDeepSeek-R1-Distill-Qwen-14Bollama run deepseek-r1:14b~25–35
RTX 4070 12GB8B ou 14B (contexte court)ollama run deepseek-r1:8b~30–40
RTX 4070 Ti Super / 4080 16GB14B (la 32B ne tient pas)ollama run deepseek-r1:14b~40–50
RTX 4090 24GBDeepSeek-R1-Distill-Qwen-32Bollama run deepseek-r1:32b~30–40
Double GPU / 48 GoDeepSeek-R1-Distill-Llama-70Bollama run deepseek-r1:70b~12–18

Comment utiliser ce tableau en 3 étapes

Quatre lignes : (1) repérez votre GPU et sa VRAM, (2) installez Ollama et lancez la commande correspondante, (3) vérifiez avec `ollama ps` que le modèle est entièrement sur le GPU, (4) réglez la température à 0,6 et videz le prompt système. Si un modèle est trop lent, descendez d'un palier ; s'il vous reste de la VRAM, montez d'un palier pour un meilleur raisonnement.

V3 vs R1 : ce tableau ne concerne que R1

**DeepSeek-R1 est la famille de raisonnement qu'installent ces commandes ; DeepSeek-V3 est un modèle de chat distinct.** N'attendez pas une expérience V3 de ces distillations — elles sont réglées pour montrer un raisonnement étape par étape en mathématiques et en logique. V3 est en outre un MoE 671B non exécutable sur du matériel grand public ; voir la [fiche matériel DeepSeek-V3](/fr/prompt-bites/deepseek-v3-local-hardware-requirements).

**Mise à jour :** la génération actuelle de DeepSeek est DeepSeek-V4 (Flash et Pro), publiée en poids ouverts sous licence MIT (préversion : 24 avril 2026). L'API de DeepSeek sert désormais V4 : les alias deepseek-chat (génération V3) et deepseek-reasoner (génération R1) ont été annoncés comme totalement retirés après le 24 juillet 2026. Les distillés R1 sont des publications open-weight distinctes, ne faisaient pas partie de cet avis et tournent toujours en local. V4 n'est pas un modèle pour GPU grand public : V4-Pro compte 1.6T de paramètres au total (49B actifs) et le V4-Flash d'origine 284B (13B actifs). Même en précision 4 bits (nombre de paramètres × 0.5 octet), les seuls poids demandent environ 140 Go (Flash) à 800 Go (Pro), et les fiches de modèle de DeepSeek n'indiquent aucune exigence GPU. Pour du raisonnement sur un seul GPU grand public, les distillés restent le choix pratique.

Guides associés

Questions fréquentes

DeepSeek-R1 est-il toujours le modèle actuel de DeepSeek ?▾
Non. La génération actuelle de DeepSeek est DeepSeek-V4 (Flash et Pro). Les alias d'API deepseek-reasoner (génération R1) et deepseek-chat (génération V3) ont été annoncés comme totalement retirés après le 24 juillet 2026. Les distillés R1 en poids ouverts sont des publications distinctes, ne faisaient pas partie de cet avis et tournent toujours en local avec Ollama.
Quelle distillation DeepSeek tourne sur une RTX 4090 ?▾
DeepSeek-R1-Distill-Qwen-32B. En Q4_K_M elle nécessite ~20.5 Go, tient dans une RTX 4090 de 24 Go (juste pour le contexte) et surpasse OpenAI o1-mini sur plusieurs benchmarks de raisonnement selon les résultats publiés par DeepSeek. Commande : `ollama run deepseek-r1:32b`. Remarque : OpenAI a arrêté o1-mini le 27 octobre 2025 ; cette comparaison est donc une référence de benchmark historique, pas une comparaison avec un modèle OpenAI actuel.
Quelle distillation DeepSeek-R1 tient dans 16 Go de VRAM ?▾
DeepSeek-R1-Distill-Qwen-14B. Son fichier Q4_K_M fait 9.0 Go et laisse de la place au contexte sur une carte de 16 Go comme la RTX 4060 Ti 16GB, la RTX 4070 Ti Super ou la RTX 4080. La 32B fait 20 Go et ne tient pas. Commande : `ollama run deepseek-r1:14b`.
Une RTX 4070 peut-elle exécuter deepseek-r1:32b ?▾
Non. La RTX 4070 a 12 Go de VRAM et `deepseek-r1:32b` pèse 20 Go : le modèle déborde dans la RAM système et le débit s'effondre. Lancez `ollama run deepseek-r1:8b` (5.2 Go), ou `deepseek-r1:14b` (9.0 Go) avec une fenêtre de contexte courte.
Quelle est la meilleure distillation DeepSeek pour un GPU de 8 Go ?▾
DeepSeek-R1-0528-Qwen3-8B (`ollama run deepseek-r1:8b`) est l'une des meilleures petites distillations de raisonnement à sa sortie et tient dans 8 Go. La distillation 7B d'origine (`ollama run deepseek-r1:7b`) est l'alternative bien prise en charge.
Pourquoi ma distillation est-elle lente ?▾
Généralement un débordement de VRAM — si le modèle ne tient pas, il déborde vers la RAM système et le débit s'effondre. Descendez d'un palier (par ex. 32B → 14B) pour que le modèle tienne entièrement en VRAM.
Dois-je choisir une quantisation ?▾
Non. Les commandes `ollama run deepseek-r1:` utilisent Q4_K_M par défaut, un compromis taille/qualité très répandu. Voir la fiche VRAM si vous voulez les valeurs Q8_0 ou FP16.

Vous voulez les détails complets ?

Lire le guide complet →

Prompt Bites associés

MCP