DeepSeekをローカルで動かすにはどのGPUが必要か？モデルと予算別の構成（2026年9月）

現在ローカルで動かせるDeepSeekのバージョンは？

コンシューマーGPU 1枚に載るのはR1蒸留版だけで、フルモデルはすべて284B以上のMoEです。 対応は次のとおりです。

蒸留版における「DeepSeek」の部分は学習データで、ベースはQwenまたはLlamaです。これは欠点ではありません。14B蒸留版は推論問題で同サイズの元のQwenより明らかに優れます。ただしAPIのV4と混同しないでください。

各バージョンに4-bitと8-bitで必要なVRAMは？

VRAM要件 = 重み + KVキャッシュ + 約1 GBの実行オーバーヘッドです。8Kコンテキストでは14Bの4-bitが約11 GB、32Bの4-bitが約21 GB必要です。 下表はモデルライブラリからリアルタイム計算します。MoE版にはエキスパートをオフロードした後の「VRAM + システムメモリ」も表示します。

要点は以下です。

• 14Bでコンテキストを8Kから32Kに上げると、要件は約11 GBから15 GBへ増えます。16GBカードならちょうどよく、12GBカードは8Kしか使えません。
• 32Bの4-bitは8Kで約21 GBです。24GBカードに収まりますが余裕はほとんどなく、32Kコンテキストでは27 GBになり32GBカードが必要です。
• 蒸留版で8-bitを選ぶ意味はあまりありません。14Bの8-bitには18 GBが必要で、同じVRAMで32Bの4-bitを動かすほうが能力は一段上です。

6,000、8,000、20,000 CNYの予算ではどのGPUを選ぶか？

三つの予算帯の答えはRX 7900 XTX、RTX 3090、RTX 4090 / RTX 5090です。いずれも24GBから始まり、32Bを動かせるかが分かれ目です。 以下の表では候補の現在の中古価格と、R1 14Bの推定速度を示します。

6,000 CNY帯：RX 7900 XTX

この価格帯でXianyuから安定して買える24GBカードはRX 7900 XTXです。中央値はRTX 3090より2,000 CNY以上低く、32Bの4-bitは推定約24 tokens/sで動き、実用になります。llama.cpp / Ollama / LM Studioだけを使うなら7900 XTXがこの帯の正解です。vLLMを使いたい、またはROCmに触れたくないなら予算を足して3090にしてください。同価格帯のArc Pro B60も24GBですが、帯域幅456 GB/sは7900 XTXの半分しかなく、勧めません。

8,000 CNY帯：RTX 3090。16GBの新型カードは買わない

8,000 CNYはRTX 3090の中古価格中央値にちょうど当たります。同価格帯のRTX 5070 TiとRTX 5080はいずれも16GBで、32B蒸留版を動かせません。14Bでの速度優位も大きくありません（14Bの4-bitは3090で約68 tokens/s、5070 Tiで約65 tokens/s）。DeepSeekではアーキテクチャの新しさよりVRAM容量が重要です。

20,000 CNY帯：RTX 4090またはRTX 5090。買うのは速度

RTX 4090の中古価格中央値は23,000 CNY、RTX 5090は40,000 CNY近くです。どちらも32Bの4-bitを1枚で動かせます。5090の32GBは8GBの余裕をもたらし、32Bを32Kコンテキストで動かせ、速度は約61 tokens/sで3090のほぼ2倍です。この予算があり蒸留版だけを動かすなら、3090を2枚（合計約16,000 CNY）買うほうを勧めます。48GBのVRAMで70B蒸留版とLlama 3.3 70Bを動かせます。マルチGPU入門を参照してください。

フルモデルのDeepSeekは家庭で動かせるか？

動かせますが割に合いません。V4 Flashではエキスパートオフロードのために160GB以上のメモリが必要で、推定10〜12 tokens/sです。モデル全体をVRAMに載せる選択肢はMac Studio M3 Ultra 512GBだけです。 デバイス別の推定速度は以下です。

アスタリスク付きはエキスパートオフロードです。GPUにはアテンション層、共有エキスパート、KVキャッシュ（約7 GB）だけを置き、各tokenで活性化するエキスパート重みをシステムメモリから読みます。速度はメモリ帯域幅で約12 tokens/sに頭打ちとなり、RTX PRO 6000に替えても速くなりません。Mac Studio M3 Ultra 512GBはV4 Flashの4-bit全体をユニファイドメモリに載せ、推定47 tokens/sですが、マシン本体は140,000 CNYです。V4 Proの4-bit重み850 GBには家庭向けの解決策がありません。

結論として、フルモデルのV4を使いたいならAPIのほうが安価です。ローカル導入にかかる費用を参照してください。GPUを買う理由は蒸留版と他のオープンモデルです。

Ollamaとllama.cppの起動方法

Ollamaは一行のコマンド、llama.cppではGGUFファイルを指定します。フルモデルでは--n-cpu-moeを付けてエキスパートをメモリに置きます。

Ollama（蒸留版）：

ollama run deepseek-r1:14b
ollama run deepseek-r1:32b

llama.cpp（14B、unsloth / bartowskiのQ4_K_M）：

llama-server -hf bartowski/DeepSeek-R1-Distill-Qwen-14B-GGUF:Q4_K_M -c 16384 -ngl 99

llama.cpp（V4 Flashのエキスパートオフロード。160GB以上のメモリが必要）：

llama-server -hf unsloth/DeepSeek-V4-Flash-0731-GGUF:Q4_K_M -c 8192 -ngl 99 --n-cpu-moe 43

--n-cpu-moe 43は43層のエキスパートをすべてCPUメモリに置く意味です。VRAMに余裕がある場合は数字を小さくし、より多くの層をGPUに残します。

よくある誤解

最も多い二つの誤りは、蒸留版をフルモデルと取り違えることと、VRAMだけを見て帯域幅を見ないことです。

• Ollamaのdeepseek-r1:70bはLlama 3.3 70Bの蒸留版です。フルモデルとの差は、32B蒸留版との差よりはるかに大きいです。
• VRAMに収まるかは「動くか」だけを決め、速度は帯域幅が決めます。Mac Studio M4 Max 128GBは32Bの4-bitを載せられますが、546 GB/sの帯域幅では約15 tokens/sで、3090の半分です。
• 中古3090のリスクはマイニング由来とVRAMのはんだ不良です。購入前に出品者へmemtest_vulkanまたはOCCTのVRAMテストを30分完走させるよう求めてください。中古3090と新型5070 Tiも参照してください。
• 8-bitのために追加費用を払わないでください。蒸留版の4-bitと8-bitの評価差は1%以内で、節約したVRAMはより大きいモデルまたは長いコンテキストに使えます。