DeepSeek 模型近期在全網(wǎng)引發(fā)了廣泛關(guān)注，熱度持續(xù)攀升。其開源模型 DeepSeek-V3 和 DeepSeek-R1 在多個基準測試中表現(xiàn)優(yōu)異，在數(shù)學(xué)、代碼和自然語言推理任務(wù)上，性能與 OpenAI 的頂尖模型相當(dāng)。對于期待第一時間在本地進行使用的用戶來說，盡管 DeepSeek提供了從1.5B到70B參數(shù)的多尺寸蒸餾模型，但本地部署仍需要一定的技術(shù)門檻。對于資源有限的用戶進一步使用仍有難點。

為了讓更多開發(fā)者第一時間體驗 DeepSeek 模型的魅力，Modelscope 社區(qū) DeepSeek-R1-Distill-Qwen模型現(xiàn)已支持一鍵部署（SwingDeploy）上函數(shù)計算 FC 服務(wù)，歡迎開發(fā)者立即體驗。

魔搭+函數(shù)計算,一鍵部署模型上云

SwingDeploy 是魔搭社區(qū)推出的模型一鍵部署服務(wù)，支持將魔搭上的各種（包括語音，視頻，NLP等不同領(lǐng)域）模型直接部署到用戶指定的云資源上，比如函數(shù)計算FC（以下簡稱FC）GPU算力實例。本文介紹如何通過魔搭SwingDeploy服務(wù)，快速將DeepSeek模型部署到阿里云函數(shù)計算FC平臺的閑置GPU實例，并對部署后的模型進行推理訪問。

函數(shù)計算平臺提供了低成本的閑置 GPU 實例，使用閑置GPU實例，將帶來如下優(yōu)勢：

● 實例快速喚醒：函數(shù)計算平臺會根據(jù)您的實時負載水平，自動將GPU實例進行凍結(jié)。凍結(jié)的實例接受請求前，平臺會自動將其喚醒。要注意，喚醒過程會存在2-5秒的延遲。

● 兼顧服務(wù)質(zhì)量與服務(wù)成本：閑置GPU實例的計費周期不同于按量GPU實例，閑置GPU實例會在實例閑置與活躍期間以不同的單價進行計費，從而大幅降低用戶使用GPU成本。相較于長期自建GPU集群，閑置GPU實例根據(jù)GPU繁忙程度提供降本幅度高達80%以上。

魔搭社區(qū)一鍵部署介紹：https://modelscope.cn/docs/model-service/deployment/intro

函數(shù)計算閑置GPU介紹：https://help.aliyun.com/zh/functioncompute/fc-3-0/user-guide/real-time-inference-scenarios-1

DeepSeek模型介紹

性能對齊OpenAI-o1正式版

DeepSeek-R1 在后訓(xùn)練階段大規(guī)模使用了強化學(xué)習(xí)技術(shù)，在僅有極少標注數(shù)據(jù)的情況下，極大提升了模型推理能力。在數(shù)學(xué)、代碼、自然語言推理等任務(wù)上，性能比肩 OpenAI o1 正式版。

在此，DeepSeek將 DeepSeek-R1 訓(xùn)練技術(shù)全部公開，以期促進技術(shù)社區(qū)的充分交流與創(chuàng)新協(xié)作。

論文鏈接：

https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf

模型鏈接：

https://modelscope.cn/collections/DeepSeek-R1-c8e86ac66ed943

蒸餾小模型超越 OpenAI o1-mini

DeepSeek在開源 DeepSeek-R1-Zero 和 DeepSeek-R1 兩個 660B 模型的同時，通過 DeepSeek-R1 的輸出，蒸餾了 6 個小模型開源給社區(qū)，其中 7B 和 14B 模型在多項能力上實現(xiàn)了對標 OpenAI o1-mini 效果、展現(xiàn)了較高的生產(chǎn)環(huán)境部署性價比。

部署步驟

函數(shù)計算提供有Ada系列48GB顯存的GPU，供DeepSeek-R1-Distill-Qwen如下參數(shù)版本的模型運行。

本文將繼續(xù)以DeepSeek-R1-Distill-Qwen-7B展現(xiàn)部署步驟，相同的部署步驟可應(yīng)用于1.5B、14B、32B參數(shù)量模型的部署。

前置條件：

● 賬號綁定與授權(quán)：https://modelscope.cn/docs/model-service/deployment/swingdeploy-pipeline

部署步驟：

● 進入DeepSeek-R1-Distill-Qwen-7B模型頁：https://modelscope.cn/models/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

● 請選擇GGUF格式的量化版本：

● 進入DeepSeek-R1-Distill-7B-GGUF模型頁后，點擊部署，部署類型選擇付費的FC GPU算力。

■ 部署地域：可選擇杭州或上海。

■ GPU卡型：默認將DeepSeek模型部署至Ada系列48GB顯存GPU，并開啟閑置GPU模式，以降低您的運行成本。

● 查看部署過程，確認部署成功。

■ 確認狀態(tài)為部署成功（預(yù)留模式），如果不是，請點擊服務(wù)模式切換。

● 模型調(diào)用：

○ 查看調(diào)用代碼示例：

○ 調(diào)用模型，進行推理：

■ 首次調(diào)用由于模型加載導(dǎo)致耗時長，后續(xù)均為熱調(diào)用無此問題。

更進一步了解函數(shù)計算GPU

● FC GPU實例介紹規(guī)格和使用模式介紹：https://help.aliyun.com/zh/functioncompute/fc-3-0/product-overview/instance-types-and-usage-modes

● FC GPU實時推理場景（閑置GPU模式）介紹：https://help.aliyun.com/zh/functioncompute/fc-3-0/use-cases/real-time-inference-scenarios-1

● FC GPU準實時推理場景（按量GPU模式）介紹：https://help.aliyun.com/zh/functioncompute/fc-3-0/use-cases/quasi-real-time-inference-scenarios

● FC GPU異步推理場景介紹：https://help.aliyun.com/zh/functioncompute/fc-3-0/use-cases/offline-asynchronous-task-scenario

● FC GPU鏡像說明：https://help.aliyun.com/zh/functioncompute/fc-3-0/use-cases/image-usage-notes-1

● FC GPU模型存儲最佳實踐：https://help.aliyun.com/zh/functioncompute/fc-3-0/user-guide/gpu-instance-model-storage-best-practices

● FC GPU FAQ（模型托管、模型預(yù)熱）：https://help.aliyun.com/zh/functioncompute/fc-3-0/support/faq-about-gpu-accelerated-instances-1

● FC GPU 應(yīng)用模板與示例代碼：https://github.com/devsapp/start-fc-gpu/tree/v3