DeepSeek由国内大模型公司“深度求索”开发，以极低的训练成本，实现了与GPT-4o等顶尖模型相媲美的性能。1月27日，随着DeepSeek推出新模型DeepSeek-R1，Deepseek应用登顶苹果中国地区和美国地区应用商店免费App下载排行榜，在美区下载榜上超越了ChatGPT。

        很多人在聊DeepSeek，但是很多人不知道DeepSeek为什么这么火？我想有几点原因，由国内大模型公司开发、极低的训练成本、媲美GPT-4o等顶尖模型。但是问题是你现在去使用会非常的卡，即便调用API也是限流，使用体验非常不好，一些私密的问题还是本地好。今天就给大家带来简单的DeepSeek本地部署保姆级教程，小白也可以上手，建议电脑配置好的可以试一试。

第一步：Ollama平台安装

官网下载地址：https://ollama.com/download/，支持Windows、Linux和macOS。选择适合你的电脑系统平台，点击Download进行下载。注意一定要下载安装完毕之后进行下一步。（下载完成之后任务栏出现了ollama羊驼的图标，说明软件安装成功）

第二步，安装DeepSeek-R1模型

在ollama官网（https://ollama.com），搜DeepSeek，选择第一个deepseek-r1，然后选择不同参数的模式，大部分普通电脑都是1.5B或者7B、8B、14B，我这边电脑是4G显存的3050显卡，选择7B还勉强可以。

不同的模型不同的需求，可以对应选择(以下配置仅供参考)：

1、DeepSeek-1.5B模型

• GPU单卡：NVIDIA GTX 1660（6GB）、RTX 3050（8GB）、T4(16GB)
• CPU：4核以上(如Intel i5/Ryzen 5)
• 内存：16GB系统内存
• 适用场景：单卡轻量级推理，适合个人开发者或小型应用(如文本生成、简单问答)

2、DeepSeek-8B模型

• GPU单卡：NVIDIA RTX 3090（24GB）、RTX 4090（24GB）、A10(24GB)
• CPU：6核以上(如Intel i7/Ryzen 7)
• 内存：32GB系统内存
• 适用场景：单卡轻量级推理，适合个人开发者或小型应用(如文本生成、简单问答)
• 优化方案：若显存不足，可使用量化(如LLM.int8())或卸载部分计算到CPU

3、DeepSeek-32B模型

• GPU单卡：NVIDIA  A100 80GB（需4位量化）
• GPU多卡：2 * RTX4090（通过NVLink桥接）或2*A10（24GB）
• CPU：8核以上(如Intel Xeon Silver)
• 内存：64GB以上系统内存
• 适用场景：日常推理，适合个人开发者或小型应用(如文本生成、简单问答)
• 部署建议：使用模型并行,如：DeepSpeed、Megatron-LM 或 量化技术。

4、DeepSeek-70B模型

• GPU单卡：NVIDIA  H100 80GB（4位量化 + 内存优化）
• GPU多卡：2 * A100 80GB（4位量化 + 模型并行）或 4 * RTX4090(通过4位量化 + 张量并行)
• CPU：16核以上(如 AMD EPYC/Intel Xeon Gold)
• 内存：128GB以上系统内存
• 适用场景：日常推理，适合个人开发者或小型应用(如文本生成、简单问答)
• 部署建议：需结合模型并行+量化+显存优化技术(如vLLM、FlexGen)。

选择了之后复制对应的模型指令，例如：“ollama run deepseek-r1:7b”（后面有用）。

第三步，下载模型并部署

以Windows电脑为例，同时按WIN+R后，输入cmd，并确定，粘贴刚才复制的指令并回车：ollama run deepseek-r1:7b，耐性等待模型下载完毕（红色圈为100%）。

跑完之后我们就可以直接在命令窗口对话了，这是最简单的本地安装，界面使用比较粗糙简单。

当然如果你想体验更好可以下载一个【Chatbox】软件（https://chatboxai.app/zh），在软件的设置界面选择Ollama API，下面会自动带出你安装好的本地模型，然后就可以在Chatbox流畅体验了。

完成！