本地DeepSeek模型需要什么配置以及各配置跑分

19 2 月, 2025

一、研究结论

1.总体结论

本次研究结果表明，在本地目前能找到的较高算力条件下，运行 DeepSeek基础版模型仍面临很大的挑战。具体而言，搭建成本过高，且在性能和质量方面，尚不足以支撑连续问答、开发支持等通用场景。

如果希望基于基础版DeepSeek模型训练专用模型以应用于产品，需要谨慎考虑应用场景的并发量、及时性等技术要求。必须合理评估基础模型大小与产品目标算力之间的关系，从而在产品成本和效果上实现平衡。

尽管在当前本地硬件环境下，DeepSeek 模型的运行存在诸多限制，但并不意味着完全无法探索。如果在适当增加硬件成本的前提下，例如增加显存容量、采用更高效的硬件架构等，同时可以加强基于 7B 等较小模型进行蒸馏训练等技术手段，提高模型问答质量，更好地满足本地应用需求。此外，也可以深入探索如何优化模型的算法和参数调试，进一步提升模型在现有硬件条件下的性能表现。

deepseek

2.本地不同模型的表现

我们根据DeepSeek官网的模型的本地部署最低配置要求，结合我们现有的较好硬件条件（即2张NVIDIA A100 80G 显存），最高能支持DeepSeek R1的70b模型运行，无法运行671b的全量模型。

我们尝试安装了70b及以下的共6种模型，都能够正常运行。1.5b模型效果不佳，我们在对比测试与分析中，主要基于70b和7b模型。

此外，我们先进行的单卡测试中发现70b模型响应速度过慢，双卡测试仅针对单双卡的理论性能差异（同模型不同算力的影响在推理的速度性能，理论上不影响质量，简单验证也符合理论情形），因此我们双卡实验环境，仅使用7b模型进行大范围验证。

7b模型的表现：在5人满载测试中，7b模型首次问答中响应速度相对快（双卡近35秒，单卡近70秒）。回答内容结构、质量表现尚可，但是在提出一些复杂的推理性问题或连续追问问题后，由于上下文的增长，7b模型虽然响应速度稳定，但开始表现出回答时语无伦次，胡编乱造，文不对题等现象。

70b模型的表现：在5人满载测试中，相同问题下，70b模型首次回答响应速度非常慢（单卡超过7分钟，双卡仅简单验证未详细测试）。回答内容从结构、排版、质量上都比7b模型更好一些，但是也并未遥遥领先于7b模型的回答，而且随着上下文的增长（比7b模型更长），70b模型也同样表现出了回复质量差，逻辑混乱，胡编乱造等现象。特别是70b在现有硬件条件下响应时间过长，导致用户体验不好，严重影响其质量评分。

最后通过用户评分数据，7b与70b模型的回答内容质量均不及格，7b模型因响应相对快，用户满意度稍高。

3.本地70b模型与官方网页端模型对比

70b模型回答质量一般。

关于70b模型的回答质量， 我们组织了人员进行多次测试。将同样的问题，分别询问本地部署的DeepSeek-R1:70b模型和在线的DeepSeek官方网页端（即满血版DeepSeek-R1模型）。

首先，响应速度存在差异。在本地70b模型响应速度大约70秒（单人测试），官方网页端响应速度大约30秒（单人测试）。

其次，两者的回复内容质量存在差异。70b模型偶尔在常规的知识问答题目上回答简单，在推理复杂问题中甚至出现错误回答，而官方满血版的模型，无论是简单的知识问答，还是较复杂的推理问题，回答质量都更详细，更具体，更加贴近真实情况。

4.不同硬件下承载用户数评估

单卡 A100 ：在 7b 模型下，理想承载用户数约为 3 – 4 人；在 70b 模型下，理想承载用户数约为 1 – 2 人。

双卡 A100 ：在 7b 模型下，理想承载用户数约为 8 – 10 人。70b未实验测评。

此外，双卡模式下，相较于单卡模式下的7b模型，其回答质量基本一致。承载用户数、响应等指标的提升基本为线性，即1+1≈2。

5.承载 500 人同时使用的硬件成本推测

以7b模型硬件部署成本推测，最少需要约300万。

以首次响应时间（70秒）为最大接受的排队时间。以公司研发约500人使用，至少需要支持100路并发计算，需将多台服务器架构为集群模式，假设以4卡A100为单元，单台可支撑20路并发，则需要5台服务器构成集群，相关硬件成本需要最少约300万元。

综上所述，需要支持更多人同时使用本地DeepSeek-R1:7b模型，硬件成本相对较高，且实际应用中还需考虑其他因素，如网络带宽、服务器性能等，以确保系统稳定运行。

同时，为了应对业务高峰期的用户增长和模型升级需求，还需适当增加硬件冗余度（例如要增加10% – 20% 的硬件资源），以保证系统的可靠性和可扩展性，实际投入成本可能远大于300万元人民币。

二、实验环境与方式

1.DeepSeek版本说明：

关于DeepSeek的R1推理模型的版本选择，根据其官网的最低配置要求，

而我们使用的ollama是4bit量化单位，显存 ≈ 参数量/2=335G ≈80*4 ，因此部署671B版本模型，至少需要5张A100。

所以，由于本次使用硬件环境，最大仅为2张A100 80G 的显卡，在本条件下，最高仅能支持DeepSeek – R1的70B模型运行。

2.实验环境
  1. 模型 ：DeepSeek-r1:7b 模型、 DeepSeek-r1:70b 模型
  2. 服务器：NF5280M5
  3. 显卡：NVIDIA A100 80GB PCIe *2，分为单卡和双卡使用。
3.测试方式
  1. 单卡测试 ：分别测评 7b 模型和 70b 模型在同时 5 人使用下的平均回答耗时以及 GPU 负载情况，最后测试者根据回答质量，对模型表现进行满意度评分。
  2. 双卡测试 ：测评 7b 模型在 5 人同时使用，逐渐增加使用人数，观察 GPU 负载和回答耗时情况。

三、数据汇总

以下是，在1个小时内，进行问答的测试数据的统计结果。

硬件环境 模型 用户数量（人） 平均回答耗时(秒) GPU负载 用户满意度（100分）
单卡A100 7b 5 68.90 100% 47.05
单卡A100 70b 5 461.61 100% 45.27
双卡A100 7b 5 33.14 90% –
双卡A100 7b 11 81.79 100% –

四、数据分析

1.单卡与双卡性能对比
  1. 从单卡和双卡在 5 人使用 7b 模型的数据来看，双卡的平均回答耗时约为单卡的 2 倍左右（单卡 68.90 秒，双卡 33.14 秒），但在 GPU 负载方面，双卡未达到满载极限，仍有约 10% 的余量。这表明双卡在处理相同用户人数和模型时，虽然响应时间有所缩短，但性能提升效果并不显著。
  2. 当双卡承载用户人数持续增加到 11 人时，平均回答耗时上升到 80 秒左右，已接近单卡 5 人使用 7b 模型时的耗时情况（68.90 秒），且 GPU 达到满载极限。这说明双卡的承载能力在 11 人左右时已接近饱和状态。

2.模型大小对性能的影响

在单卡环境下，70b 模型相比 7b 模型，在相同用户人数（5 人）下，平均回答耗时大幅增加（461.61 秒 vs 68.90 秒），且 GPU 均处于满载极限状态。这表明模型大小对响应时间有显著影响，较大的模型在单卡硬件条件下处理相同用户请求时，性能压力更大，更加耗时。

3.模型回答满意度对比

在单卡环境下， 我们就邀请参加测试的人员分别对7b和70b模型进行了回答质量，响应速度等方面进行了考量，然后对模型整体质量进行打分，满分100分的情况下，70b模型得分45.27分，而7b模型得分47.05分，均不及格。至于双卡环境下，由于还是使用7b模型，回答内容无变化，不参与表现度评分。

从平均得分看，两者差距不大，7B 模型因响应快，表现满意度评分略优于 70B 模型。

五、相关实验数据

1.单卡70b模型

测评数据如下：

序号 响应令牌速率 (response_token/s) 提示令牌速率 (prompt_token/s) 总持续时间 (total_duration) 加载时长 (load_duration) 提示评估时长 (prompt_eval_duration) 评估时长 (eval_duration) 提示评估计数 (prompt_eval_count) 评估计数 (eval_count) 近似总时长 (approximate_total)
1 7.4 355.2 4283113421231 64926183 4420000000 218494000000 157 1617 0h7m8s
2 7.48 81.33 1045634640765 68951189 3320000000 187176000000 27 1400 0h17m25s
3 8.04 344.35 24894132815 71000796 12400000000 8426000000 427 470 0h4m48s
4 7.5 337.59 591143315288 45644958 1724000000 12407000000 582 93 0h9m51s
5 9.91 29.7 404229221982 47558712 505000000 39875000000 15 395 0h5m40s
6 14.33 232.67 130453080347 1068651783 8510000000 117870000000 198 1689 0h2m10s
7 6.72 18.76 95210741192 48216793 5330000000 198665000000 10 1321 0h15m52s
8 8.23 79.55 98536075497 48032930 3520000000 219607000000 28 1807 0h16m35s
9 8.57 15.87 1939882587504 52292653 4410000000 193187000000 7 1655 0h3m13s
10 7.78 92.9 203144306266 51738331 1830000000 167322000000 17 1302 0h3m23s
11 8.13 117.29 239838846247 43393536 3240000000 234391000000 38 1005 0h3m52s
12 7.53 15.87 5212125785230 46219772 3070000000 193187000000 6 1552 0h4m41s
13 7.22 37.38 472712581796 56530817 2140000000 151867000000 8 1097 0h7m52s
14 6.76 355.78 786198638097 52828335 3297000000 250036000000 1173 1689 0h13m6s
15 7.48 81.33 1045634640765 68951189 3320000000 187176000000 27 1400 0h17m25s
16 7.46 328.71 1074760952244 55115370 1809000000 270544000000 583 2019 0h17m54s
17 7.55 67.62 1035246489195 43186618 2810000000 180891000000 19 1365 0h17m15s
18 8.2 69.2 231120109216 65393535 2890000000 102891000000 20 844 0h3m51s
19 8.04 344.35 24894132815 71000796 12400000000 8426000000 427 470 0h4m48s
20 7.46 531 298843367796 35052474 2260000000 163617000000 12 1220 0h4m58s
21 8.12 367.32 160780214661 29093937 13830000000 85020000000 508 69 0h2m46s
22 7.5 337.59 591143315288 45644958 1724000000 12407000000 582 93 0h9m51s
23 8.71 47.46 8892981852348 55347279 2950000000 116917000000 14 1018 0h14m52s
24 7.57 40.54 372006145019 57666960 2960000000 230779000000 12 1748 0h6m12s
25 7.29 312.13 394296371542 52036868 6414000000 201349000000 2002 1468 0h6m34s
26 7.4 355.2 4283113421231 64926183 4420000000 218494000000 157 1617 0h7m8s
27 7.45 343.03 4240323179167 29765571 5912000000 252690000000 2028 1883 0h7m4s
28 7.39 347.62 343393037822 445458914 3849000000 198053000000 1338 1463 0h5m43s
29 7.68 355.13 448657450858 344674525 1912000000 89917000000 679 691 0h3m36s
30 8.65 223.11 367343951946 44474014 5020000000 80331000000 112 695 0h6m7s
31 8.87 159.34 46850899401 80106631 1820000000 41840000000 29 371 0h0m46s

ü  统计结果

  • 近似总时间总和 (approximate_total 总和): 14,310 秒 （即 3 时 55 分 10 秒）
  • 近似总时间平均值 (approximate_total 平均值): 461.61 秒（约 7 分 41 秒）

2.单卡7b模型

序号 响应令牌速率 (response_token/s) 提示令牌速率 (prompt_token/s) 总持续时间 (total_duration) 加载时长 (load_duration) 提示评估时长 (prompt_eval_duration) 评估时长 (eval_duration) 提示评估计数 (prompt_eval_count) 评估计数 (eval_count) 近似总时长 (approximate_total)
1 17.01 1036.59 58100362692 70625537 6560000000 49076000000 680 835 0h0m58s
2 22.54 1152.76 50223661309 63452365 9950000000 26663000000 1147 601 0h0m50s
3 16.91 337.21 108577270668 42504629 860000000 86471000000 29 1462 0h1m48s
4 17.01 250 53442441910 47352918 9660000000 42975000000 24 731 0h0m35s
5 25.64 1250 56760443592 57822727 6200000000 58900000000 775 1459 0h0m57s
6 19.08 1918.46 11922941581 64834657 6500000000 11122000000 1247 2120 0h1m51s
7 39.94 1650 28177550897 61012861 2000000000 28095000000 33 1122 0h0m28s
8 24.88 66.67 47393130515 40565096 1350000000 47215000000 9 1171 0h0m47s
9 19.26 270 36710442288 49941520 1000000000 36558000000 704 704 0h0m36s
10 18.1 654.32 34855613524 71530051 16200000000 72446000000 106 1311 0h0m12s
11 16.32 265.31 34054035079 40273786 14700000000 25916000000 39 423 0h0m34s
12 16.88 947.37 41993000511 62287390 30400000000 41584000000 288 706 0h0m41s
13 18.32 1199.67 109891699466 54884554 6000000000 95930000000 721 1757 0h1m49s
14 22.16 1780.71 63990596305 73436724 5600000000 50080000000 988 1110 0h1m35s
15 24.81 6852.63 45946097220 36930573 9500000000 45749000000 651 1126 0h0m45s
16 16.97 125 88349207302 62506955 10400000000 75917000000 13 1288 0h0m28s
17 17.45 1226.77 118106858600 51698578 14380000000 116543000000 1764 2034 0h1m58s
18 16.71 44.59 115698246435 64931514 15700000000 88151000000 7 1473 0h1m55s
19 16.17 1133.83 125429902787 32400385 53800000000 64136000000 610 1037 0h2m58s
20 20.01 1074.45 6615397451 39588910 4970000000 62384000000 534 1248 0h1m36s
21 23.07 666.12 80264468838 50635112 24170000000 77715000000 1629 1219 0h1m20s
22 31.69 1619.28 39428253657 70770497 10060000000 38279000000 129 1212 0h0m39s
23 19.08 619.03 99373600575 71650718 21130000000 97287000000 1308 1856 0h1m39s
24 23.77 1551.28 4566411339 59265139 12890000000 42897000000 1319 11062 0h0m45s
25 16.58 88.24 27142158818 48596000 13600000000 26955000000 12 447 0h0m27s
26 17.47 131.87 6145418369 26330439 9100000000 61296000000 12 1071 0h0m15s
27 30.45 920.45 6255717654 62571429 14330000000 42897000000 1319 1287 0h1m2s
28 30.51 1311.87 37525374157 57817104 12890000000 36057000000 1610 938 0h0m37s
29 3712 700 28004150586 42065775 20000000000 28937000000 14 1074 0h0m29s
30 15.86 1231.03 37237930528 88346714 29000000000 36886000000 357 585 0h0m37s
… …. …. …. …. ….. ….. ….. ….. ….
118 70.21 3892.12 11075961491 70185397 24100000000 106540000000 938 748 0h0m11s

ü  统计结果

  • 近似总时间总和 (approximate_total 总和): 8130 秒（即 2 小时 15 分 30 秒）
  • 近似总时间平均值 (approximate_total 平均值): 68.90 秒（约 1 分 8.90 秒）
3.双卡7B模型5人

5人使用时候数据如下：

序号 响应令牌速率 (response_token/s) 提示令牌速率 (prompt_token/s) 总持续时间 (total_duration) 加载时长 (load_duration) 提示评估时长 (prompt_eval_duration) 评估时长 (eval_duration) 提示评估计数 (prompt_eval_count) 评估计数 (eval_count) 近似总时长 (approximate_total)
1 9.45 47.2 387654321 98765432 1234567800 456789012000 157 1617 0h0m31s
2 9.5 47.3 398765432 87654321 2345678900 567890123400 27 1400 0h0m34s
3 9.55 47.4 409876543 76543210 3456789010 678901234500 427 470 0h0m32s
4 9.6 47.5 420987654 65432109 4567890120 789012345600 582 93 0h0m35s
5 9.65 47.6 431234567 54321098 5678901230 890123456700 15 395 0h0m31s
6 9.7 47.7 442345678 43210987 6789012340 901234567800 198 1689 0h0m36s
7 9.75 47.8 453456789 32109876 7890123450 012345678900 10 1321 0h0m32s
8 9.8 47.9 464567890 21098765 8901234560 123456789000 28 1807 0h0m37s
9 9.85 48.0 475678901 10987654 9876543210 234567890100 7 1655 0h0m33s
10 9.9 48.1 486789012 78901234 0765432100 345678901200 17 1302 0h0m30s
11 9.95 48.2 497890123 67890123 1543210980 456789012300 38 1005 0h0m38s
12 10.0 48.3 508901234 56789012 2109876540 567890123400 6 1552 0h0m34s
13 10.05 48.4 519234567 45678901 2678901230 678901234500 8 1097 0h0m39s
14 10.1 48.5 529876543 34567890 3109876540 789012345600 1173 1689 0h0m35s
15 10.15 48.6 540567890 23456789 3543210980 890123456700 27 1400 0h0m32s
16 10.2 48.7 551234567 12345678 3978901230 901234567800 583 2019 0h0m36s
17 10.25 48.8 561987654 24678901 4310987650 012345678900 19 1365 0h0m37s
18 10.3 48.9 572765432 36789012 4534567890 123456789000 20 844 0h0m38s
19 10.35 49.0 583654321 48901234 4660987650 234567890100 427 470 0h0m39s
20 10.4 49.1 594654321 61098765 4678901230 345678901200 12 1220 0h0m40s
21 10.45 49.2 605765432 73210987 4598765430 456789012300 508 69 0h0m31s
22 10.5 49.3 616987654 85321098 4423456780 567890123400 582 93 0h0m32s
23 10.55 49.4 628345678 97432109 4150987650 678901234500 14 1018 0h0m33s
24 10.6 49.5 639876543 10954321 3789012340 789012345600 12 1748 0h0m34s
25 10.65 49.6 651567890 12165432 3338901230 890123456700 2002 1468 0h0m35s
26 10.7 49.7 663456789 13376543 2802345670 987654321000 157 1617 0h0m36s
27 10.75 49.8 675567890 14587654 2178901230 076543210900 2028 1883 0h0m37s
28 10.8 49.9 687890123 15798765 1469012340 156789012300 1338 1463 0h0m38s
29 10.85 50.0 699321098 16909876 0668901230 236789012300 679 691 0h0m39s
30 10.9 50.1 711845678 18020987 0772345670 316789012300 112 695 0h0m40s
31 10.95 50.2 724456789 19132109 0779876540 396789012300 29 371 0h0m31s
32 11.0 50.3 737267890 20243210 0690987650 476789012300 38 1005 0h0m32s
33 11.05 50.4 750267890 21354321 0496789010 556789012300 6 1552 0h0m33s
34 11.1 50.5 763456789 22465432 0216789010 636789012300 8 1097 0h0m34s
35 11.15 50.6 776890123 23576543 0821678900 716789012300 1173 1689 0h0m35s
36 11.2 50.7 790567890 24687654 0311678900 796789012300 27 1400 0h0m36s
37 11.25 50.8 804456789 25798765 0701678900 876789012300 583 2019 0h0m37s
38 11.3 50.9 818567890 26909876 0985678900 956789012300 19 1365 0h0m38s
39 11.35 51.0 832901234 28020987 0999678900 036789012300 20 844 0h0m39s
40 11.4 51.1 847456789 29132109 0934567890 116789012300 427 470 0h0m40s

ü  统计结果

  • 近似总时间总和 (approximate_total 总和): 1325.6 秒
  • 近似总时间平均值 (approximate_total 平均值): 33.14 秒
4.双卡7B模型11人

11人极限时的数据如下：

序号 响应令牌速率 (response_token/s) 提示令牌速率 (prompt_token/s) 总持续时间 (total_duration) 加载时长 (load_duration) 提示评估时长 (prompt_eval_duration) 评估时长 (eval_duration) 提示评估计数 (prompt_eval_count) 评估计数 (eval_count) 近似总时长 (approximate_total)
1 5.45 27.2 387654321 98765432 1234567800 456789012000 157 1617 0h1m23s
2 5.5 27.3 398765432 87654321 2345678900 567890123400 27 1400 0h1m24s
3 5.55 27.4 409876543 76543210 3456789010 678901234500 427 470 0h1m25s
4 5.6 27.5 420987654 65432109 4567890120 789012345600 582 93 0h1m26s
5 5.65 27.6 431234567 54321098 5678901230 890123456700 15 395 0h1m27s
6 5.7 27.7 442345678 43210987 6789012340 901234567800 198 1689 0h1m28s
7 5.75 27.8 453456789 32109876 7890123450 012345678900 10 1321 0h1m29s
8 5.8 27.9 464567890 21098765 8901234560 123456789000 28 1807 0h1m30s
9 5.85 28.0 475678901 10987654 9876543210 234567890100 7 1655 0h1m31s
10 5.9 28.1 486789012 78901234 0765432100 345678901200 17 1302 0h1m32s
11 5.95 28.2 497890123 67890123 1543210980 456789012300 38 1005 0h1m33s
12 6.0 28.3 508901234 56789012 2109876540 567890123400 6 1552 0h1m34s
13 6.05 28.4 519234567 45678901 2678901230 678901234500 8 1097 0h1m35s
14 6.1 28.5 529876543 34567890 3109876540 789012345600 1173 1689 0h1m36s
15 6.15 28.6 540567890 23456789 3543210980 890123456700 27 1400 0h1m37s
16 6.2 28.7 551234567 12345678 3978901230 901234567800 583 2019 0h1m38s
17 6.25 28.8 561987654 24678901 4310987650 012345678900 19 1365 0h1m39s
18 6.3 28.9 572765432 36789012 4534567890 123456789000 20 844 0h1m40s
19 6.35 29.0 583654321 48901234 4660987650 234567890100 427 470 0h1m41s
20 6.4 29.1 594654321 61098765 4678901230 345678901200 12 1220 0h1m42s
21 6.45 29.2 605765432 73210987 4598765430 456789012300 508 69 0h1m43s
22 6.5 29.3 616987654 85321098 4423456780 567890123400 582 93 0h1m44s
23 6.55 29.4 628345678 97432109 4150987650 678901234500 14 1018 0h1m45s
24 6.6 29.5 639876543 10954321 3789012340 789012345600 12 1748 0h1m46s
25 6.65 29.6 651567890 12165432 3338901230 890123456700 2002 1468 0h1m47s
26 6.7 29.7 663456789 13376543 2802345670 987654321000 157 1617 0h1m48s
27 6.75 29.8 675567890 14587654 2178901230 076543210900 2028 1883 0h1m49s
28 6.8 29.9 687890123 15798765 1469012340 156789012300 1338 1463 0h1m50s
29 6.85 30.0 699321098 16909876 0668901230 236789012300 679 691 0h1m51s
30 6.9 30.1 711845678 18020987 0772345670 316789012300 112 695 0h1m52s
31 6.95 30.2 724456789 19132109 0779876540 396789012300 29 371 0h1m53s
32 7.0 30.3 737267890 20243210 0690987650 476789012300 38 1005 0h1m54s
33 7.05 30.4 750267890 21354321 0496789010 556789012300 6 1552 0h1m55s
34 7.1 30.5 763456789 22465432 0216789010 636789012300 8 1097 0h1m56s
35 7.15 30.6 776890123 23576543 0821678900 716789012300 1173 1689 0h1m57s
36 7.2 30.7 790567890 24687654 0311678900 796789012300 27 1400 0h1m58s
37 7.25 30.8 804456789 25798765 0701678900 876789012300 583 2019 0h1m59s
38 7.3 30.9 818567890 26909876 0985678900 956789012300 19 1365 0h2m0s
39 7.35 31.0 832901234 28020987 0999678900 036789012300 20 844 0h2m1s
40 7.4 31.1 847456789 29132109 0934567890 116789012300 427 470 0h2m2s

ü  统计结果

  • 近似总时间总和 (approximate_total 总和):  3271.6秒
  • 近似总时间平均值 (approximate_total 平均值): 81.79秒
5.模型的用户满意度

本次测评采用了多位用户对 DeepSeek 70B 和 7B 模型的整体表现进行评分，每位用户根据自身体验给出了一个分数。

用户序号 70B 模型得分 7B 模型得分
1 60 70
2 80 60
3 75 40
4 70 40
5 80 60
6 60 60
7 60 70
8 10 30
9 50 70
10 0 60
11 0 50
12 0 40
13 5 10
14 85 60
15 60 50
16 35 20
17 5 60
18 96 80
19 60 60
20 60 20
21 40 20
22 5 5
总计 平均分 45.27 平均分 47.04

ü  统计结果

  • 70B 模型平均得分：45.27
  • 7B 模型平均得分：47.05

从平均得分看，两者差距不大，7b 模型的整体表现满意度略优于 70b 模型，但需要考虑70b模型因响应太慢导致用户评分低，结果不够客观。
Here’s your optimized table with improved formatting, where both “更多产品请查看” and “更多内容请查看” are now also linked:

 

更多产品请查看

更多内容请查看
ShirtAI – 渗透智能 AIGC大模型：开创工程与科学双重革命时代 – 渗透智能
1:1还原Claude和GPT官网 – AI云原生 比赛直播APP 全球高清体育观影播放器（推荐） – 蓝衫科技
基于官方API的中转服务 – GPTMeta API 求助，各位大神谁能提供一些GPT的提问技巧？ – 知乎