Melhor destilação DeepSeek para sua GPU (2026)
Combine sua GPU com uma destilação DeepSeek-R1 em uma linha: a RTX 3060 12GB roda a 7B, a RTX 4060 Ti 16GB roda a 14B, a RTX 4090 roda a 32B (supera a o1-mini segundo os resultados publicados pela DeepSeek) e o GPU duplo roda a 70B. Em uma placa de 8 GB, rode a DeepSeek-R1-0528-Qwen3-8B — uma das melhores destilações de raciocínio pequenas no lançamento. Todos os comandos usam Q4_K_M por padrão. Situação: o R1 não é mais a geração atual da DeepSeek (a atual é o DeepSeek-V4), mas estes destilados são lançamentos de pesos abertos independentes que continuam rodando localmente. A comparação com o o1-mini é histórica: a OpenAI desativou o o1-mini em 27 de outubro de 2025.
Principais conclusões
- ✓O R1 não é mais a geração atual da DeepSeek: a atual é o DeepSeek-V4 (Flash e Pro, pesos abertos com licença MIT). Os destilados do R1 são lançamentos de pesos abertos independentes e continuam rodando localmente.
- ✓RTX 3060 12GB → destilação 7B; RTX 4060 Ti 16GB → 14B (o ponto ideal); RTX 4090 → 32B (supera a o1-mini).
- ✓GPU duplo ou 48 GB → destilação 70B, a mais forte das seis.
- ✓Em 8 GB, o melhor modelo pequeno é a DeepSeek-R1-0528-Qwen3-8B.
- ✓Cada modelo é instalado em Q4_K_M com um comando, por exemplo `ollama run deepseek-r1:14b`.
- ✓Defina a temperatura em 0.6 e não use system prompt, como a DeepSeek recomenda, para evitar repetições infinitas.
- ✓Esta é a família de raciocínio R1 — não a DeepSeek-V3, que é um modelo de chat.
Esta página contém links de referência para produtos de terceiros. O PromptQuorum não está inscrito em nenhum programa de afiliados — são links simples que não geram comissão. Clicar nos links e os próximos passos são de sua inteira responsabilidade. Estes links não representam qualquer endosso ou verificação por parte do PromptQuorum.
Resposta rápida
Encontre sua placa: RTX 3060 12GB → 7B, RTX 4070 12GB → 8B (14B só com contexto curto), RTX 4060 Ti 16GB / 4070 Ti Super / 4080 → 14B, RTX 4090 → 32B, GPU duplo/48 GB → 70B. A 32B precisa de ~20 GB só para os pesos, então não cabe em placas de 12 ou 16 GB. Para o melhor modelo pequeno em 8 GB, rode a DeepSeek-R1-0528-Qwen3-8B (`ollama run deepseek-r1:8b`). Cada uma roda com um único comando do Ollama em Q4_K_M.
- ▸RTX 3060 12GB → deepseek-r1:7b — ~30–40 tok/s
- ▸RTX 4060 Ti 16GB → deepseek-r1:14b — ~25–35 tok/s (recomendado)
- ▸RTX 4070 12GB → deepseek-r1:8b (14B só com contexto curto) — ~30–40 tok/s
- ▸RTX 4070 Ti Super / 4080 16GB → deepseek-r1:14b — ~40–50 tok/s (a 32B não cabe)
- ▸RTX 4090 24GB → deepseek-r1:32b — ~30–40 tok/s, supera a o1-mini
- ▸GPU duplo / 48 GB → deepseek-r1:70b — ~12–18 tok/s
- ▸Placa de 8 GB, melhor pequeno → DeepSeek-R1-0528-Qwen3-8B
GPU → destilação DeepSeek-R1 → comando Ollama
Encontre a GPU que você possui na primeira coluna e leia a linha. Os números de tok/s são estimativas indicativas para cargas de raciocínio Q4_K_M, não medições da PromptQuorum, e variam conforme o comprimento do contexto, os ajustes de amostragem e o hardware. Quando dois modelos cabem, o maior raciocina melhor; o menor é mais rápido.
| GPU (VRAM) | Melhor destilação | Comando Ollama | tok/s esperado |
|---|---|---|---|
| RTX 3060 12GB (faixa 8 GB) | DeepSeek-R1-Distill-Qwen-7B | ollama run deepseek-r1:7b | ~30–40 |
| 8 GB, melhor pequeno | DeepSeek-R1-0528-Qwen3-8B | ollama run deepseek-r1:8b | ~30–40 |
| RTX 4060 Ti 16GB | DeepSeek-R1-Distill-Qwen-14B | ollama run deepseek-r1:14b | ~25–35 |
| RTX 4070 12GB | 8B, ou 14B (contexto curto) | ollama run deepseek-r1:8b | ~30–40 |
| RTX 4070 Ti Super / 4080 16GB | 14B (a 32B não cabe) | ollama run deepseek-r1:14b | ~40–50 |
| RTX 4090 24GB | DeepSeek-R1-Distill-Qwen-32B | ollama run deepseek-r1:32b | ~30–40 |
| GPU duplo / 48 GB | DeepSeek-R1-Distill-Llama-70B | ollama run deepseek-r1:70b | ~12–18 |
Como usar esta tabela em 3 passos
Quatro linhas: (1) encontre sua GPU e sua VRAM, (2) instale o Ollama e rode o comando correspondente, (3) confirme com `ollama ps` que o modelo está inteiro na GPU, (4) defina a temperatura em 0,6 e limpe o prompt de sistema. Se um modelo estiver lento demais, desça um nível; se sobrar VRAM, suba um nível para raciocinar melhor.
V3 vs R1: esta tabela é só de R1
**A DeepSeek-R1 é a família de raciocínio que estes comandos instalam; a DeepSeek-V3 é um modelo de chat separado.** Não espere uma experiência V3 dessas destilações — elas são ajustadas para mostrar raciocínio passo a passo em matemática e lógica. A V3 também é um MoE de 671B e não roda em hardware de consumo; veja a [ficha de hardware da DeepSeek-V3](/pt/prompt-bites/deepseek-v3-local-hardware-requirements).
**Atualização:** a geração atual da DeepSeek é o DeepSeek-V4 (Flash e Pro), publicado como pesos abertos sob licença MIT (prévia: 24 de abril de 2026). A API da DeepSeek agora serve o V4: os aliases deepseek-chat (geração V3) e deepseek-reasoner (geração R1) foram anunciados como totalmente desativados após 24 de julho de 2026. Os destilados do R1 são lançamentos de pesos abertos independentes, não faziam parte desse aviso e continuam rodando localmente. O V4 em si não é um modelo para GPU de consumo: o V4-Pro tem 1.6T de parâmetros no total (49B ativos) e o V4-Flash original 284B (13B ativos). Mesmo com precisão de 4 bits (parâmetros × 0.5 byte), só os pesos exigem cerca de 140 GB (Flash) a 800 GB (Pro), e as fichas de modelo da DeepSeek não listam nenhum requisito de GPU. Para raciocínio em uma única GPU de consumo, os destilados continuam sendo a escolha prática.
Guias relacionados
- ▸Tabela de VRAM das destilações DeepSeek-R1 — cada destilação por quantização (Q4_K_M, Q8, FP16) com VRAM e GPU mínima
- ▸Melhor modelo de raciocínio local 2026: DeepSeek-R1 classificado — o guia classificado completo com benchmarks e níveis
- ▸Requisitos de hardware local da DeepSeek-V3 — a contraparte do modelo de chat V3
Perguntas frequentes
O DeepSeek-R1 ainda é o modelo atual da DeepSeek?▾
Qual destilação DeepSeek roda em uma RTX 4090?▾
Qual destilação DeepSeek-R1 cabe em 16 GB de VRAM?▾
Uma RTX 4070 consegue rodar o deepseek-r1:32b?▾
Qual é a melhor destilação DeepSeek para uma GPU de 8 GB?▾
Por que minha destilação está lenta?▾
Preciso escolher uma quantização?▾
Quer a análise completa?
Ler o guia completo →Prompt Bites relacionados