トップ › モデル別 › DeepSeek-R1 Distill Qwen 14B

DeepSeek-R1 Distill Qwen 14B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

DeepSeek ・公開 2025-01 ・ 14.77Bパラメータ・データ更新 2026-10-02

VRAM 12GB向け推論モデル

11GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 12GB実用になるいちばん安いGPU: GeForce RTX 3080 12GB

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

131,072最大コンテキスト（学習時）

編集部の見立て

土台はQwen2.5-14Bで、DeepSeek-R1が生成した解答例で追加学習した2025年1月の蒸留版です。同じ14.77BのQwen3 14Bが3か月後に出ており、4bitの必要量は10.4GBと10.6GBでほぼ同じ。新しく始めるならQwen3 14Bと並べて考えたいところです。

KVは1トークン192KBで、32,768トークン考えさせるとKVだけで約6GB。Q4_K_Mの8.4GBと足すと、GeForce RTX 3080 12GBの実効11.5GBを超えます。12GBのGPUでは文脈を短めに保つのが前提です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/DeepSeek-R1-Distill-Qwen-14B-GGUF）に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（48層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化	ファイル	KVキャッシュ（8k）	必要合計	GPUなら	Macなら
2bit（IQ2_M）品質劣化大。最後の手段	5.0GB	1.5GB	7.1GB	VRAM 8GB〜	16GB〜
2bit（Q2_K）品質劣化大。最後の手段	5.4GB	1.5GB	7.5GB	VRAM 10GB〜	16GB〜
3bit（IQ3_M）メモリ優先	6.4GB	1.5GB	8.6GB	VRAM 10GB〜	16GB〜
3bit（Q3_K_M）メモリ優先	6.8GB	1.5GB	9.0GB	VRAM 10GB〜	16GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	7.6GB	1.5GB	9.8GB	VRAM 11GB〜	16GB〜
4bit（Q4_K_M）標準。迷ったらこれ	8.4GB	1.5GB	11GB	VRAM 12GB〜	16GB〜
5bit（Q5_K_M）品質重視	9.8GB	1.5GB	12GB	VRAM 16GB〜	18GB〜
6bit（Q6_K）ほぼ無劣化	11GB	1.5GB	14GB	VRAM 16GB〜	24GB〜
8bit（Q8_0）無劣化に近い	15GB	1.5GB	17GB	VRAM 20GB〜	32GB〜
16bit（F16）元精度	28GB	1.5GB	30GB	VRAM 32GB〜	48GB〜

モデルの構造と、必要メモリの増え方

DeepSeek-R1 Distill Qwen 14BはDeepSeekが2025年1月に公開した14.77Bのモデルです。GGUFのヘッダには48層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。

全48層が全域注意で、KVヘッド8・head次元128。KVキャッシュはトークン数に正比例して増えます。1トークンあたりのKVキャッシュは約192KB（fp16）で、コンテキスト長にそのまま比例します。実際の値は、8,192トークンで1.5GB、学習時の上限131,072トークンまで伸ばすと24GBです。

同じ数字のモデルと、実際は何が違うか

サイバーエージェントの日本語版（DeepSeek-R1 Distill Qwen 14B Japanese）とは、元が同じモデルで、パラメータ数も層の構成も一致します。当サイトの必要メモリと推定速度も同じ値です。こちらはDeepSeekが2025年1月に公開した元の版で、配布はbartowskiの量子化。日本語版は、これに日本語データで追加学習を施したものです。手元で動くかどうかの判断は共通なので、選ぶ基準は使う言語になります。

このモデルを実際に使うなら

VRAM 12GBに4bitで収まる、推論型を試すのにちょうどいいサイズです。考える過程を出力するぶん回答までのトークンが多く、速度の余裕がそのまま待ち時間の差になります。英語で質問する使い方や、元の挙動を基準にして派生版と比べたいときは、こちらを手元に置いておくと話が早い。同じDeepSeekの蒸留版には7Bと32Bもあり、容量に合わせて大きさを選び直せます。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはqwen2で、当サイト収録の204モデル中23本が同じ系統です。Qwen2系。llama.cppの対応が最も早く入る系統のひとつで、量子化の配布も充実しています。

配布元はbartowski/DeepSeek-R1-Distill-Qwen-14B-GGUF、元になったモデルはdeepseek-ai/DeepSeek-R1-Distill-Qwen-14Bです。

得意分野は推論（段階を踏んで考える処理）です。

同じDeepSeekのモデルでは、サイズの近いものにDeepSeek-R1-0528 Qwen3 8B（8.19B）、DeepSeek-R1 Distill Llama 8B（8.03B）、DeepSeek-R1 Distill Qwen 7B（7.62B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（8.4GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。全層が全域注意なので、コンテキスト長に比例してKVが増えます。

コンテキスト	KVキャッシュ	必要合計	必要なGPU	必要なMac
4,096	0.8GB	9.9GB	VRAM 11GB〜	16GB〜
8,192既定	1.5GB	11GB	VRAM 12GB〜	16GB〜
16,384	3.0GB	12GB	VRAM 16GB〜	24GB〜
32,768	6.0GB	15GB	VRAM 16GB〜	24GB〜
65,536	12GB	21GB	VRAM 24GB〜	32GB〜
131,072	24GB	33GB	VRAM 48GB〜	48GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約6.0GBから約3.0GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル	開発元	4bitで必要	一言
ABEJA Qwen3 14B Agentic	ABEJA	10GB	エージェント用途と256Kの長文対応を名前に掲げた14B。4bitならVRAM 12GBに収まる
Qwen3 14B	Alibaba	10GB	Q4ならVRAM 12GBに収まる。8Bとの差が体感できる中量級
DeepSeek-R1 Distill Qwen 14B Japanese	CyberAgent	11GB	サイバーエージェントの日本語追加学習版
Qwen2.5-Coder 14B	Alibaba	11GB	VRAM 12GB向けコードモデル
Qwen2.5 14B	Alibaba	11GB	2024年の14B（dense型）。VRAM 11GB / Mac 16GBから
Shisa V2.1 unphi4 14B	Shisa.AI	11GB	Phi-4系を日英バイリンガルに調整した14B。VRAM 12GB