个人PC部署体验王炸产品DeepSeek-R1

引言

随着大模型技术的不断进步，DeepSeek的新模型R1在新年之际压轴登场。这款模型凭借其深度慢思考的模式，进一步提升了大模型的上限，再次给国内外带来了极大的震撼。今天，我们将为大家带来在个人PC上部署DeepSeek-R1的体验报告。虽然本教程对技术要求较小，但为了保证顺利进行，我们还是需要先了解一些前期准备工作。

准备工作

在开始部署之前，建议阅读以下两篇相关文章，以便更好地理解整个流程：

• 采用Ollama运行本地大模型
• Ollama整合open-webui

模型选择

在本教程中，我们将选择以下模型进行部署：ollama run deepseek-r1:14b。

测试环节

题目一

题目描述：
某班有39名同学参加短跑、跳远、投掷三项体育比赛，人数分别为23人、18人、21人，其中三项比赛全部参加的有5人，仅参加跳远的有3人，仅参加投掷的有9人，请问仅参加短跑的有多少人？

测试结果：
本地部署的模型在这一题中翻车了，答案不准确。
然而，在DeepSeek官网的在线版本中，该题目却得到了正确的解答。
这让我们不禁思考，是否是因为开源模型和官方自身使用的模型存在差异？例如，官方使用的是660B的大模型，而本地部署的则是14B且量化版的模型？

题目二

题目描述：
考虑采用6位生成器（G=110011）的CRC码。给定一个D值10101010101，请计算其R值，并展示计算过程。

测试结果：
在线版本答案准确，推理思考过程较长，且思考过程用的是中文，但在给出结果时却切换为了英文。
本地部署的版本耗时较短，答案却依然不准确。

题目三

题目描述：
已知函数∫(x)=(1-ax)ln(1+x)-x，求：

1. 当a=-2时，/(x)的极值；
2. 当x≥0时，/(x)≥0恒成立，求a的取值范围。

测试结果：
在官网的在线版本中，虽然推理过程较长，但结果却是正确的。
然而，在本地部署的版本中，答案却完全偏离了题目要求，进一步证明了这可能与模型的参数量有关。

总结

经过上述三道题的测试，我们可以得出以下结论：

• 官网提供的在线版DeepSeek-R1模型在回答问题时表现出色，虽然有时推理过程较长，但整体实力强劲。
• 本地部署的DeepSeek-R1模型（14B量化版）在测试中表现不佳，答案多次不准确。这可能与模型的参数量有关。

因此，对于想要在个人PC上部署DeepSeek-R1模型的用户来说，如果电脑资源有限，可能只能运行小参数的量化版模型。然而，如果想要获得更好的性能和准确性，建议尝试运行更大参数的模型。同时，我们也期待DeepSeek团队在未来能够推出更多优化和升级，让我们在个人PC上也能体验到与大模型媲美的性能。

注：本内容由AI进行润色。