DeepSeek V3.2 (685B) — VRAM-Bedarf, KV-Cache & GPU-Empfehlungen
DeepSeek V3.2 (685B) (685.36B gesamt, 37B aktiv, Multi-head Latent Attention (MLA) MoE) belegt 377.56 GiB für 4-Bit-Gewichte (Q4_K_M) und benötigt 378.79 GiB bei 8K sowie 380.75 GiB bei 32K Kontext. · Hugging Face: deepseek-ai/DeepSeek-V3.2 ↗ · GGUF: unsloth/DeepSeek-V3.2-GGUF ↗
Überschreitet verfügbaren GPU-Speicher
Gemessene GGUF-Dateigröße
HF config.json ↗
Benötigter GPU-Speicher
378.79 GiB
406.72 GB (dezimal)
Nutzbarer Hardware-Speicher
76 GiB
80 GB (physisch)
Sicherheitsreserve
-302.79 GiB
473% Auslastung
Geschätzter Decode-Durchsatz
~3.1 tok/s
37B aktive Parameter
Geschätzter Prefill-Durchsatz
~6950 tok/s
4K-Prompt TTFT: ~589 ms
Kosten / 1 Mio. Tokens
$316.85
Multi-head Latent Attention (MLA) MoE · MIT
Empfohlene Hardware für diese Konfiguration
Beste Einzel-GPU
Multi-GPU erforderlich
—
Preis-Leistungs- / Gebraucht-GPU
4x H200 141GB SXM
564GB · ~$128,000
Apple Unified Memory
Mac Studio M3 Ultra 512GB
~$9,500
Cloud ab
Vast.ai · $3.54 / Std.
8x A100 80GB SXM
Produktionsreife Startbefehle
llama.cpp (GGUF)
llama-server -hf unsloth/DeepSeek-V3.2-GGUF:Q4_K_M \ --ctx-size 8192 -ngl 999 --flash-attn
vLLM
vllm serve deepseek-ai/DeepSeek-V3.2 \ --max-model-len 8192 --gpu-memory-utilization 0.92
Echtzeit-Token-Geschwindigkeitssimulator (TTFT ~589ms · ~3.1 tok/s)
[DeepSeek V3.2 (685B) · 378.79 GiB] auf Ziel-GPU reserviert. Prefill abgeschlossen; generiere Token in Echtzeit mit der berechneten Rate...
Cloud-GPU-Preisvergleich & Mieten-vs.-Kaufen-TCO
Verifizierte öffentliche Tarife von RunPod, Vast.ai, Vultr und DigitalOcean.
Kauf-Amortisation
~14.9 Monate
Geschätzte Stromkosten: $14.9 / Monat
| Anbieter | Empfohlene Instanz | Gesamt-VRAM | Stundensatz | Monatlich (bei Auswahl) | Abrechnungsmodell | Starten |
|---|---|---|---|---|---|---|
| RunPod | 2x B300 288GB Blackwell Ultra (Community Cloud) | 576 GB | $13.88 / Std. | $1687.81 / Monat | Sekundengenau | GPU starten ↗ |
| Vast.ai | 8x A100 80GB SXM (Verifizierter Host · SXM4) | 640 GB | $3.54 / Std. | $429.98 / Monat | Spot / On-Demand | GPU starten ↗ |
| Vultr ($300 Free Credit*) | 8x A100 80GB SXM (Dedizierte Instanz · $300 Credit*) | 640 GB | $19.18 / Std. | $2331.80 / Monat | Stündlich | GPU starten ↗ |
| Vultr Cloud GPU | 8x A100 80GB SXM (Dedizierte Instanz) | 640 GB | $19.18 / Std. | $2331.80 / Monat | Stündlich | GPU starten ↗ |
| DigitalOcean | 8x Instinct MI300X 192GB (Dedizierte Instanz) | 1536 GB | $20.72 / Std. | $2519.55 / Monat | Sekundengenau | GPU starten ↗ |
Preise entsprechen den öffentlichen Tarifen am Prüfdatum und variieren je nach Region und Verfügbarkeit.
Fine-Tuning VRAM-Bedarf (QLoRA / LoRA / Voll) — DeepSeek V3.2 (685B)
QLoRA (4b)
Überschreitet verfügbaren GPU-Speicher
383.91 GiB
Modellgewichte: 377.56 GiB · Gradienten + Optimizer: 5.18 GiB · Act: 1.17 GiB
Empfohlene GPU: 4x H200 141GB SXM (564GB)
LoRA (16b)
Überschreitet verfügbaren GPU-Speicher
1259.8 GiB
Modellgewichte: 1250.09 GiB · Gradienten + Optimizer: 8.14 GiB · Act: 1.57 GiB
Empfohlene GPU: 8x B200 180GB (1440GB)
Voll-FT
Überschreitet verfügbaren GPU-Speicher
5128.14 GiB
Modellgewichte: 1250.09 GiB · Gradienten + Optimizer: 3875.28 GiB · Act: 2.77 GiB
Empfohlene GPU: Multi-GPU erforderlich
Engineering-Diagnose & Optimierungsleitfaden
Schnelles Hardware-Fazit
Eine einzelne H100 80GB SXM (80GB) reicht für DeepSeek V3.2 (685B) in 4-Bit (378.79 GiB bei 8K) nicht aus. Nutzen Sie Multi-GPU Tensor-Parallelität, System-RAM-Offload oder eine größere Cloud-GPU.
KV-Cache- & Engine-Tuning
DeepSeek V3.2 (685B) nutzt Multi-head Latent Attention (MLA) MoE (685.36B gesamt, 37B aktiv pro Token). Zwischen 8K und 32K Kontext steigt der FP16-KV-Cache von 0.66 GiB auf 2.62 GiB; mit FP8/Q8_0-KV-Quantisierung sparen Sie bei 32K 1.31 GiB (gesamt 379.44 GiB).
VRAM-Skalierung nach Kontextfenster (4K bis 128K, 4-Bit-Gewichte)
DeepSeek V3.2 (685B) × 49 GPUs (4-bit Q4_K_M)
| Ziel-Hardware | Gesamt-VRAM | Speicherbandbreite | 4-Bit @ 8K | 4-Bit @ 32K | Decode-Tempo | Kompatibilität | Vollständigen Bericht öffnen |
|---|---|---|---|---|---|---|---|
| NVIDIA RTX 3060 12GB | 12 GB (11.4 GiB) | 360 GB/s | 378.79 GiB | 380.75 GiB | ~2.5 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 4060 Ti 16GB | 16 GB (15.2 GiB) | 288 GB/s | 378.79 GiB | 380.75 GiB | ~2.5 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 4070 Ti Super | 16 GB (15.2 GiB) | 672 GB/s | 378.79 GiB | 380.75 GiB | ~2.5 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 4080 Super | 16 GB (15.2 GiB) | 736 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 5070 12GB | 12 GB (11.4 GiB) | 672 GB/s | 378.79 GiB | 380.75 GiB | ~2.5 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 5070 Ti | 16 GB (15.2 GiB) | 896 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 5080 | 16 GB (15.2 GiB) | 960 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 3090 | 24 GB (22.8 GiB) | 936 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 4090 | 24 GB (22.8 GiB) | 1008 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 4090 D | 24 GB (22.8 GiB) | 1008 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 5090 | 32 GB (30.4 GiB) | 1792 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 5090 D | 32 GB (30.4 GiB) | 1792 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX A6000 | 48 GB (45.6 GiB) | 768 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX 6000 Ada | 48 GB (45.6 GiB) | 960 GB/s | 378.79 GiB | 380.75 GiB | ~2.8 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA RTX PRO 6000 Blackwell | 96 GB (91.2 GiB) | 1792 GB/s | 378.79 GiB | 380.75 GiB | ~3.2 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA DGX Spark (GB10 128GB) | 128 GB (99.8 GiB) | 273 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA L4 24GB | 24 GB (22.8 GiB) | 300 GB/s | 378.79 GiB | 380.75 GiB | ~2.5 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA A40 48GB | 48 GB (45.6 GiB) | 696 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA L20 48GB | 48 GB (45.6 GiB) | 864 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA L40S 48GB | 48 GB (45.6 GiB) | 864 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA A800 80GB SXM | 80 GB (76 GiB) | 2039 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA A100 80GB SXM | 80 GB (76 GiB) | 2039 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA H800 80GB SXM | 80 GB (76 GiB) | 3350 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA H100 80GB SXM | 80 GB (76 GiB) | 3350 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA H20 96GB HBM3 | 96 GB (91.2 GiB) | 4000 GB/s | 378.79 GiB | 380.75 GiB | ~3.2 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA H20 141GB HBM3e | 141 GB (133.9 GiB) | 4800 GB/s | 378.79 GiB | 380.75 GiB | ~3.8 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA H200 141GB SXM | 141 GB (133.9 GiB) | 4800 GB/s | 378.79 GiB | 380.75 GiB | ~3.8 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA B200 180GB | 180 GB (171 GiB) | 8000 GB/s | 378.79 GiB | 380.75 GiB | ~4.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| NVIDIA B300 288GB Blackwell Ultra | 288 GB (273.6 GiB) | 8000 GB/s | 378.79 GiB | 380.75 GiB | ~9.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Huawei Ascend 910B 64GB (昇腾) | 64 GB (60.8 GiB) | 1200 GB/s | 378.79 GiB | 380.75 GiB | ~2.9 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Huawei Ascend 910C 128GB (昇腾) | 128 GB (121.6 GiB) | 2400 GB/s | 378.79 GiB | 380.75 GiB | ~3.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Huawei Atlas 300I Duo 96GB (310P) | 96 GB (91.2 GiB) | 408 GB/s | 378.79 GiB | 380.75 GiB | ~3 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Cambricon MLU590 80GB (寒武纪思元) | 80 GB (76 GiB) | 2048 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Hygon DCU K100-AI 64GB (海光深算) | 64 GB (60.8 GiB) | 1638 GB/s | 378.79 GiB | 380.75 GiB | ~2.9 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| MetaX MetaX C500 64GB (沐曦曦云) | 64 GB (60.8 GiB) | 1800 GB/s | 378.79 GiB | 380.75 GiB | ~2.9 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Kunlunxin Kunlunxin P800 64GB (昆仑芯) | 64 GB (60.8 GiB) | 1600 GB/s | 378.79 GiB | 380.75 GiB | ~2.9 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Moore Threads MTT S4000 48GB (摩尔线程) | 48 GB (45.6 GiB) | 768 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| AMD Radeon RX 7900 XTX 24GB | 24 GB (22.8 GiB) | 960 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| AMD Radeon AI PRO R9700 32GB | 32 GB (30.4 GiB) | 640 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| AMD Ryzen AI Max+ 395 128GB | 128 GB (99.8 GiB) | 256 GB/s | 378.79 GiB | 380.75 GiB | ~3.1 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| AMD Instinct MI300X 192GB | 192 GB (182.4 GiB) | 5300 GB/s | 378.79 GiB | 380.75 GiB | ~4.8 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| AMD Instinct MI325X 256GB | 256 GB (243.2 GiB) | 6000 GB/s | 378.79 GiB | 380.75 GiB | ~7.2 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| AMD Instinct MI355X 288GB | 288 GB (273.6 GiB) | 8000 GB/s | 378.79 GiB | 380.75 GiB | ~9.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Intel Arc Pro B60 24GB | 24 GB (22.8 GiB) | 456 GB/s | 378.79 GiB | 380.75 GiB | ~2.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Intel Gaudi 3 128GB HBM2e | 128 GB (121.6 GiB) | 3700 GB/s | 378.79 GiB | 380.75 GiB | ~3.6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Apple Mac mini M4 Pro 64GB | 64 GB (49.9 GiB) | 273 GB/s | 378.79 GiB | 380.75 GiB | ~2.7 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Apple MacBook Pro M4 Max 128GB | 128 GB (99.8 GiB) | 546 GB/s | 378.79 GiB | 380.75 GiB | ~3.4 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Apple Mac Studio M4 Ultra 256GB | 256 GB (199.7 GiB) | 819 GB/s | 378.79 GiB | 380.75 GiB | ~6 tok/s | Überschreitet verfügbaren GPU-Speicher | Vollständigen Bericht öffnen → |
| Apple Mac Studio M3 Ultra 512GB | 512 GB (399.4 GiB) | 819 GB/s | 378.79 GiB | 380.75 GiB | ~20.2 tok/s | Passt in Unified Memory (Bandbreitenlimitiert) | Vollständigen Bericht öffnen → |