DeepSeek をローカルで動かすには？バージョン別の必要VRAM
DeepSeek には現在ローカルで動かせるバージョンが 7 個あります。最小の DeepSeek R1 Qwen3 8B は 4-bit 量子化で VRAM 8GB が必要です。最大の DeepSeek V4 Pro は MoE モデルで、MoE オフロードを使う場合は VRAM 16GB と RAM 約 837GB が必要です。最も安く動かせるデバイスは Tesla V100 16GB で、約 ¥116,627 です。
| バージョン | 公開日 | コンテキスト | ライセンス | ||
|---|---|---|---|---|---|
| DeepSeek V4.1 FlashMoE | 2026年10月17日 | 763B | 8 / 16B | 1M | MIT |
| DeepSeek V4 ProMoE | 2026年8月13日 | 1,600B | 49B | 1M | MIT |
| DeepSeek V4 FlashMoE | 2026年7月31日 | 284B | 13B | 1M | MIT |
| DeepSeek V3.2MoE | 2025年12月1日 | 671B | 37B | 160K | MIT |
| DeepSeek R1 Qwen3 8BDense | 2025年5月29日 | 8.2B | 8.2B | 128K | MIT |
| DeepSeek R1 Distill Qwen 32BDense | 2025年1月20日 | 32.8B | 32.8B | 128K | MIT |
| DeepSeek R1 Distill Qwen 14BDense | 2025年1月20日 | 14.8B | 14.8B | 128K | MIT |
DeepSeek について
DeepSeek（深度求索）は、2023 年 7 月に杭州で設立された AI 企業です。創業者の梁文鋒はクオンツファンド High-Flyer（幻方）の共同創業者でもあり、同社の前身は High-Flyer がその年の 4 月に立ち上げた AI 研究チームです。2023 年 11 月に DeepSeek Coder と DeepSeek LLM をオープンソース化して以来、主力モデルの多くは発表と同時に重みを公開しています。
DeepSeek の名を広めたのは 2 つの点です。1 つ目はアーキテクチャです。2024 年 5 月の V2 で VRAM を節約できる Multi-head Latent Attention（MLA）と DeepSeekMoE を導入し、同年 12 月の V3 で 671B パラメータに拡大しました。その後 V3.2 で DeepSeek Sparse Attention（DSA）を加え、2026 年 4 月の V4 では圧縮アテンションによってコンテキストを 100 万トークンまで伸ばし、9 月の V4.1 Flash では因果的エンコーダー・デコーダー構造に切り替えて、画像入力にネイティブ対応しました。2 つ目は推論モデルです。2025 年 1 月に R1 が公開されると、DeepSeek アプリは一時、米国 App Store の無料ランキングで 1 位になり、R1 の論文は同年 9 月に査読を経て『Nature』に掲載されました。2025 年以降、主力モデルの重みはすべて MIT ライセンスで、商用利用できます。
- 提供元DeepSeek
- 収録バージョン数7
- パラメータ数8.2B – 1,600B
- 最新バージョンDeepSeek V4.1 Flash
- ライセンス
- MIT
- 公式サイト
- www.deepseek.com
- Hugging Face の組織
- deepseek-ai
DeepSeek 各モデルの 2-bit 量子化での必要 VRAM は？
2-bit は Q2 とも呼ばれ、よく使われる GGUF ファイルには Q2_K や UD-Q2_K_XL があります。サイズが最も小さい一方で品質の低下も最も大きく、VRAM が厳しいときにまずモデルを動かすのに向いています。下の表は各行が DeepSeek の各バージョン、各列がコンテキスト長で、セルは Q2 で動かすときに必要な合計 VRAM（重み + KV キャッシュ + 実行時オーバーヘッド 1.1GB）です。
| バージョン | 重みサイズGB | 32K コンテキストGB | 128K コンテキストGB | 256K コンテキストGB | 1M コンテキストGB |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash763B（有効 8 / 16B） | 264.5GGUF | 265.6 | 265.7 | 265.8 | 266.5 |
| DeepSeek V4 Pro1,600B（有効 49B） | 638.4推定 | 639.7 | 640.5 | 641.6 | 647.8 |
| DeepSeek V4 Flash284B（有効 13B） | 96.8GGUF | 98.1 | 98.6 | 99.3 | 103.7 |
| DeepSeek V3.2671B（有効 37B） | 246.6GGUF | 250 | 256.9 | — | — |
| DeepSeek R1 Qwen3 8B8.2B | 3.5GGUF | 9.4 | 23.9 | — | — |
| DeepSeek R1 Distill Qwen 32B32.8B | 13.1GGUF | 22.8 | 48.5 | — | — |
| DeepSeek R1 Distill Qwen 14B14.8B | 6.5GGUF | 14 | 33.3 | — | — |
DeepSeek 各モデルの 4-bit 量子化での必要 VRAM は？
4-bit は Q4 とも呼ばれ、最もよく使われる Q4_K_M ファイルにあたります。サイズと品質のバランスがよく、ローカル実行の標準的な選択肢です。下の表は各行が DeepSeek の各バージョン、各列がコンテキスト長で、セルは Q4 で動かすときに必要な合計 VRAM です。
| バージョン | 重みサイズGB | 32K コンテキストGB | 128K コンテキストGB | 256K コンテキストGB | 1M コンテキストGB |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash763B（有効 8 / 16B） | 444.7GGUF | 445.8 | 445.9 | 446 | 446.7 |
| DeepSeek V4 Pro1,600B（有効 49B） | 849.7GGUF | 851 | 851.8 | 852.9 | 859.1 |
| DeepSeek V4 Flash284B（有効 13B） | 155.1GGUF | 156.4 | 156.9 | 157.6 | 162 |
| DeepSeek V3.2671B（有効 37B） | 405.4GGUF | 408.8 | 415.7 | — | — |
| DeepSeek R1 Qwen3 8B8.2B | 5GGUF | 10.9 | 25.4 | — | — |
| DeepSeek R1 Distill Qwen 32B32.8B | 19.9GGUF | 29.6 | 55.3 | — | — |
| DeepSeek R1 Distill Qwen 14B14.8B | 9GGUF | 16.5 | 35.8 | — | — |
DeepSeek 各モデルの 8-bit 量子化での必要 VRAM は？
8-bit は Q8 とも呼ばれ、Q8_0 ファイルにあたります。品質は元のモデルに最も近く、サイズも最大です。下の表は各行が DeepSeek の各バージョン、各列がコンテキスト長で、セルは Q8 で動かすときに必要な合計 VRAM です。
| バージョン | 重みサイズGB | 32K コンテキストGB | 128K コンテキストGB | 256K コンテキストGB | 1M コンテキストGB |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash763B（有効 8 / 16B） | 508GGUF | 509.1 | 509.1 | 509.3 | 510 |
| DeepSeek V4 Pro1,600B（有効 49B） | 873.4GGUF | 874.7 | 875.5 | 876.6 | 882.8 |
| DeepSeek V4 Flash284B（有効 13B） | 161.9GGUF | 163.2 | 163.7 | 164.4 | 168.8 |
| DeepSeek V3.2671B（有効 37B） | 713.3GGUF | 716.7 | 723.6 | — | — |
| DeepSeek R1 Qwen3 8B8.2B | 8.7GGUF | 14.6 | 29.1 | — | — |
| DeepSeek R1 Distill Qwen 32B32.8B | 34.8GGUF | 44.5 | 70.2 | — | — |
| DeepSeek R1 Distill Qwen 14B14.8B | 15.7GGUF | 23.2 | 42.5 | — | — |
よくある質問
DeepSeek はオープンソースですか？無料で商用利用できますか？
できます。本サイトで扱う 7 つのバージョンはすべて MIT ライセンスで、R1 系の小型モデルから V4 Pro まで、重みもコードも商用利用・改変・再配布ができます。条件は、コピーに著作権表示とライセンス文を残すことだけです。月間アクティブユーザー数の上限も追加の利用ポリシーもなく、R1 系のモデルカードには商用利用と蒸留に対応すると明記されています。注意したいのは、R1 Distill Qwen 14B と 32B が R1 が生成したデータで Qwen2.5 をファインチューニングしたモデルだという点で、モデルカードにはベースモデルが元々 Apache 2.0 ライセンスだと記されています。R1 Qwen3 8B のベースは Qwen3 8B Base です。
DeepSeek は Ollama で動かせますか？
ローカルで動かせるのは R1 系の小型モデルだけです。deepseek-r1:8b は現在 R1 Qwen3 8B（0528 版）を指し、deepseek-r1:14b と deepseek-r1:32b は R1 Distill Qwen 14B と 32B です。いずれも 671B のフル版 R1 ではありません。大型モデルのほうは、V3.2 と V4 Flash の Ollama ページがそれぞれ 2026 年 7 月と 9 月に取り下げられました。V4 Pro と V4.1 Flash には :cloud タグしかなく、手元の GPU ではなく Ollama のサーバーで動きます。V3.2、V4 Flash、V4 Pro をローカルで動かしたいなら、メインラインの llama.cpp と unsloth の GGUF を使えます（V3.2 は 2026 年 5 月から、V4 は 6 月から対応）。V4.1 Flash は llama.cpp での対応がまだマージされておらず、今のところ vLLM で公式の重みを動かすしかありません。
