DeepSeek 本地部署

随着 DeepSeek 的爆火，以及官方网站的响应时间越来越长，甚至提示服务器繁忙。于是萌生了本地部署的想法。

会学到什么：

1. 了解 DeepSeek 的各个版本的运行要求
2. 借助 Ollama 部署 DeepSeek（将安装 R1 1.5b 版本）
3. 常见的 WebUI

运行要求

不同版本模型硬件要求

模型版本	参数量	显存需求（FP16）	推荐 GPU（单卡）	多卡支持	量化支持	适用场景
DeepSeek-R1-1.5B	15 亿	3GB	GTX 1650（4GB 显存）	无需	支持	低资源设备部署（树莓派、旧款笔记本）、实时文本生成、嵌入式系统
DeepSeek-R1-7B	70 亿	14GB	RTX 3070/4060（8GB 显存）	可选	支持	中等复杂度任务（文本摘要、翻译）、轻量级多轮对话系统
DeepSeek-R1-8B	80 亿	16GB	RTX 4070（12GB 显存）	可选	支持	需更高精度的轻量级任务（代码生成、逻辑推理）
DeepSeek-R1-14B	140 亿	32GB	RTX 4090/A5000（16GB 显存）	推荐	支持	企业级复杂任务（合同分析、报告生成）、长文本理解与生成
DeepSeek-R1-32B	320 亿	64GB	A100 40GB（24GB 显存）	推荐	支持	高精度专业领域任务（医疗/法律咨询）、多模态任务预处理
DeepSeek-R1-70B	700 亿	140GB	2x A100 80GB/4x RTX 4090（多卡并行）	必需	支持	科研机构/大型企业（金融预测、大规模数据分析）、高复杂度生成任务
DeepSeek-671B	6710 亿	512GB+（单卡显存需求极高，通常需要多节点分布式训练）	8x A100/H100（服务器集群）	必需	支持	国家级/超大规模 AI 研究（气候建模、基因组分析）、通用人工智能（AGI）探索

安装 Ollama

ollama 是一个用于本地运行和管理 大语言模型（LLMs） 的开源工具，可以通过它在本地轻松下载、运行和交互各种 AI 语言模型，而不依赖云端 API，提高了数据隐私性和响应速度。

下载：ollama

安装：

安装完成后，可通过终端检验 ollama 是否安装成功。如输出 ollama version is 0.6.0 等字样，说明已经安装成功。

ollama -v

安装并运行 DeepSeek

在上一步中，我们已经完成了 ollama 的安装，且在终端执行验证了 ollama 的指令。随后开始对 deepseek 的安装。

# 运行 deepseek-r1 1.5b 模型
# 初次运行该模型时，会自动下载
# 指令参数详情：https://ollama.com/library/deepseek-r1:1.5b
ollama run deepseek-r1:1.5b

可能遇到的问题

Error: pull model manifest: Get "https://registry.ollama.ai/v2/library/deepseek-r1/manifests/1.5b": net/http: TLS handshake timeout

安装 deepseek 时，如出现超时情况，可能是因为代理的问题，尝试关闭代理并重新执行安装命令即可。

运行成功后，会出现 Send a message 字样，说明已经成功在本地运行 deepseek。

截至，已经完成了 deepseek 本地部署操作，但不难发现直接再终端上交互，体验感并不好。

WebUI

为了优化交互体验，市面上有两个工具结合使用，可以根据各自的爱好自行选择一个即可。

Page Assit

这是一个浏览器插件。

Page Assit 安装 👉

安装成功后，点击浏览器插件的 Page Assit 图标，将自动打开一个界面。

输入内容，提交即可。

Chatbox

这是一个客户端程序。

Chatbox 官网 👉

下载、安装、打开。

选择“使用自己的 API Key 或本地模型”，选择 ollama API，选择 deepseek-r1:1.5b 模型保存，即可使用。

参考资料

1. 本地部署 DeepSeek：小白也能轻松搞定！

2. 最简洁 DeepSeek 本地部署教程