DeepSeek R1 requisitos de hardware 2026: como executá-lo localmente

O DeepSeek R1 foi um dos modelos open-source mais importantes da era recente: qualidade de raciocínio comparável ao o1 da OpenAI, gratuito, com pesos libertados sob licença permissiva. A pergunta prática: que hardware precisas para o executar localmente? Depende enormemente de qual variante usas. Este guia repassa todas e diz-te exactamente o setup mínimo e recomendado.

O que é o DeepSeek R1

O DeepSeek R1 é uma família de modelos de raciocínio publicados pela DeepSeek AI. A sua característica distintiva: treino por reforço focado em cadeias de pensamento (chain-of-thought), o que produz respostas mais rigorosas em matemática, código e lógica do que LLMs tradicionais do mesmo tamanho.

A família inclui variantes destiladas (modelos mais pequenos inspirados em R1) e o modelo completo de 671B parâmetros (versão Mixture of Experts, nem todos os parâmetros activos em simultâneo).

Variantes e tamanhos disponíveis

DeepSeek R1 distill 1.5B

A versão mais pequena, derivada de Qwen 2.5 1.5B com treino R1.

Excelente para experimentar, autocomplete inteligente, tarefas leves. Surpreendentemente capaz para o seu tamanho em matemática básica.

DeepSeek R1 distill 7B

Baseado em Qwen 2.5 7B. O ponto óptimo para a maioria dos portáteis.

Cobre raciocínio decente em código e matemática. Equivalente prático a GPT-3.5 para tarefas com cadeias de pensamento.

DeepSeek R1 distill 14B

Baseado em Qwen 2.5 14B. Melhor qualidade de raciocínio que o 7B.

Bom ponto de entrada para uso profissional. Resolve problemas de matemática nível olimpíada em muitos casos.

DeepSeek R1 distill 32B

Baseado em Qwen 2.5 32B. Aqui entras em território sério.

Em portátil só viável com RTX 5080 16 GB com offload moderado, RTX 5090 24 GB confortável, ou MacBook Pro M5 Max 48+ GB unified.

DeepSeek R1 distill 70B

Baseado em Llama 3.3 70B.

Em portátil: MacBook Pro M5 Max 64-96 GB. Em desktop: 2x RTX 4090 ou RTX 5090 + RTX 4090.

DeepSeek R1 671B (completo, Mixture of Experts)

O modelo completo original. 671B parâmetros mas apenas 37B activos a cada momento (MoE).

Em portátil: inviável. Em workstation doméstica: só com setups multi-GPU profissionais. Costuma aceder-se via API ou por uma versão destilada local.

Hardware mínimo por variante

| Variante | RAM | VRAM | Portátil mínimo | Tokens/s esperados | |---|---:|---:|---|---:| | 1.5B | 8 GB | 2 GB | qualquer com NPU | 30-50 | | 7B Q4 | 16 GB | 6 GB | RTX 4060 móvel | 25-40 | | 14B Q4 | 32 GB | 10 GB | RTX 4080 móvel | 18-25 | | 32B Q4 | 48 GB | 20 GB | RTX 5080+ móvel ou Mac M5 Pro 36 GB | 8-15 | | 70B Q4 | 64 GB | 40 GB | Mac M5 Max 64-96 GB | 5-12 | | 671B | 512 GB | 8x80 GB | workstation profissional | 3-10 |

Quantização recomendada para portátil

Para DeepSeek R1, as quantizações mais usadas:

Recomendação prática: começa com Q4_K_M, sobe para Q5 se o raciocínio te desiludir em tarefas específicas.

Como o instalar

Via Ollama (o mais fácil)

```bash

7B

ollama run deepseek-r1:7b

14B

ollama run deepseek-r1:14b

32B

ollama run deepseek-r1:32b ```

O Ollama descarrega, quantiza e executa o modelo. Para detalhes do runtime, vê o nosso guia Ollama requisitos mínimos.

Via llama.cpp (controlo total)

```bash

Descarrega GGUF quantizado do Hugging Face

huggingface-cli download bartowski/DeepSeek-R1-Distill-Qwen-14B-GGUF \ DeepSeek-R1-Distill-Qwen-14B-Q4_K_M.gguf

Lança com GPU

./llama-server -m DeepSeek-R1-Distill-Qwen-14B-Q4_K_M.gguf \ --gpu-layers 99 --ctx-size 8192 ```

Via vLLM (produção)

Para serving em produção a vários utilizadores. Exige setup mais complexo, não recomendado para uso individual.

Comparação com OpenAI o1 e Claude

O DeepSeek R1 destila raciocínio em cadeias de pensamento semelhante ao o1. Comparação prática:

Recomendações práticas por uso

Perguntas frequentes

O DeepSeek R1 7B é comparável ao ChatGPT-3.5? Em raciocínio matemático e código sim, supera-o frequentemente. Em conversa geral e conhecimento amplo, o ChatGPT-3.5 é um pouco melhor pelo corpus de treino.

Posso executar DeepSeek R1 32B em MacBook Pro M5 Pro 36 GB? Sim, em Q4_K_M com margem. Throughput 8-12 tokens/s, utilizável interactivamente.

Diferenças entre versões distill baseadas em Qwen vs Llama? Para tarefas em chinês e raciocínio matemático, as baseadas em Qwen tendem a render melhor. Para inglês geral e código, as baseadas em Llama são competitivas.

Vale a pena o DeepSeek R1 ou o Llama 3.3 directamente? Se o teu uso é raciocínio crítico (matemática, lógica, código complexo), o R1 destila claramente melhor. Para chat geral, o Llama 3.3 é um pouco mais natural em conversação.

Que portátil específico para executar o DeepSeek?

Dá ao assessor IA que variante do DeepSeek R1 queres executar e o teu orçamento. Recebes o portátil concreto com a VRAM e RAM necessárias.

Ainda em dúvida? Conte seu uso e orçamento ao consultor IA — você receberá uma recomendação específica com marcas e modelos atuais.

🤖 Falar com o consultor IA

Você também pode gostar