如何在本地计算机上安装和使用 DeepSeek R1

几天前，DeepSeek R1作为一个完全开源的模型亮相，意味着任何人都可以获取其底层代码，进行修改，甚至根据自己的需求进行微调。从技术角度来看，DeepSeek R1（通常缩写为R1）来源于一个叫做DeepSeek-V3的大型基础模型。研究团队通过结合高质量人工标注数据的监督微调（SFT）和强化学习（RL）来优化这个模型。结果是，一个能够处理复杂提示、揭示复杂问题背后推理步骤（有时比其他模型更透

编程小饴

993人浏览 · 2025-02-07 16:48:45

编程小饴 · 2025-02-07 16:48:45 发布

大家似乎都在谈论DeepSeek R1，这款由国内AI公司DeepSeek开发的全新开源AI语言模型。

一些用户声称，它在推理能力方面与OpenAI的o1不相上下，甚至更强。

目前，DeepSeek是免费的，这对用户来说是个好消息，但也引发了一些问题。

随着用户量的激增，他们是如何管理服务器成本的呢？

硬件运行成本应该不便宜吧？

一个合理的推测是——数据。

数据是AI模型的命脉。

他们可能通过某种方式收集用户数据，这些数据可能对他们的量化交易模型有益，或者用于其他形式的变现。

所以，如果你担心数据隐私，但仍然希望使用R1而不共享数据，最好的方法就是在本地运行该模型。

什么是DeepSeek R1？

几天前，DeepSeek R1作为一个完全开源的模型亮相，意味着任何人都可以获取其底层代码，进行修改，甚至根据自己的需求进行微调。

从技术角度来看，DeepSeek R1（通常缩写为R1）来源于一个叫做DeepSeek-V3的大型基础模型。

研究团队通过结合高质量人工标注数据的监督微调（SFT）和强化学习（RL）来优化这个模型。

结果是，一个能够处理复杂提示、揭示复杂问题背后推理步骤（有时比其他模型更透明）的聊天机器人，甚至可以在聊天界面中呈现代码进行快速测试。

说实话，真的非常令人印象深刻，尤其是对于一个开源模型来说。

如何在本地运行

要在本地运行DeepSeek R1，我们将使用一个叫做Ollama的工具。

Ollama是一个免费的开源工具，允许用户在他们的计算机上本地运行大型语言模型（LLM）。它适用于macOS、Linux和Windows。

访问Ollama的官方网站，点击“下载”按钮，并将其安装在你的系统上。

为了确认安装成功，请打开终端并运行以下命令：

ollama -v

你应该能看到Ollama的版本号，而不是错误信息。

在“模型”标签下，搜索关键词“deepseek”，你应该能在搜索列表的第一个位置看到“deepseek-r1”。

点击它后，在“模型”部分，你会注意到有多个模型尺寸，参数量从50亿到6710亿不等。作为一个经验法则，较大的模型需要更强大的GPU来运行。

像80亿参数版本这样的小模型可以在8GB显存的GPU上运行。而较大的模型则需要显著更多的资源（参见下文的显存和GPU要求部分）。

要下载并运行80亿参数的模型，请使用以下命令：

ollama run deepseek-r1:8b

模型将开始下载（大约4.9GB）。在继续之前，请确保你有足够的磁盘空间。

下载完成后，模型将在本地计算机上运行，你可以立即与其进行对话。

让我们通过这个示例提示来测试一下：

提示：什么是 DeepSeek R-1？

回应：DeepSeek-R-1 是由中国公司 DeepSeek 开发的 AI 助手。它旨在提供多种主题的回答和帮助，包括但不限于数学、编程、自然语言处理等。如果你有任何问题或需要帮助，随时都可以问我！

太棒了。

它运行速度很快，即使我断开了笔记本的 Wi-Fi 连接，它依然能够工作。请注意，即使你连接了互联网，它也无法访问网络。

提示：AAPL 最新的股价是多少？

回应：作为一个 AI 助手，我无法访问实时数据，因此无法提供苹果公司（AAPL）的最新股价。为了获取最准确和最新的信息，建议你查看财经新闻平台或你的经纪服务。

Ollama 还能做的事情：

本地运行 LLMs，包括 LLaMA2、Phi 4、Mistral 和 Gemma 2
允许用户创建并分享自己的 LLMs
将模型权重、配置和数据打包成一个单独的包
优化设置和配置细节，包括 GPU 使用

GPU 和显存要求

DeepSeek-R1 的显存需求取决于模型的大小、参数数量和量化技术等因素。以下是 DeepSeek-R1 及其精简模型的显存需求的详细概述，以及推荐的 GPU：

关于显存使用的关键说明：

大模型的分布式 GPU 设置：运行 DeepSeek-R1-Zero 和 DeepSeek-R1 需要大量显存，因此需要分布式 GPU 配置（例如，在多 GPU 设置中使用 NVIDIA A100 或 H100）以获得最佳性能。
精简模型的单 GPU 兼容性：精简模型已经优化，可在显存需求较低的单个 GPU 上运行，最低要求仅为 0.7 GB。
额外的内存使用：激活、缓冲区和批处理任务可能会消耗额外的内存。

为什么要本地运行？

当然，DeepSeek 的网页聊天机器人和移动应用是免费的，非常方便。

你无需做任何设置，像 DeepThink 和网页搜索等功能也内置其中。但本地运行它可能是更好的选择，原因如下：

隐私

当你使用网页或应用版本时，你的查询和任何附件文件都会发送到 DeepSeek 的服务器进行处理。

这些数据会发生什么？

我们不知道。将模型本地运行可以确保你的数据留在你的计算机上，让你完全控制自己的隐私。

离线访问

本地运行模型意味着你不需要互联网连接。

如果你在旅行、遇到不稳定的 Wi-Fi，或者只是更喜欢离线工作，本地设置让你随时随地都可以使用 DeepSeek。

未来保障

目前 DeepSeek 的服务是免费的，但这不太可能永远持续下去。

到某个时刻，它们可能需要盈利，使用限制或订阅费用可能会出现。通过本地运行模型，你可以完全避免这些限制。

灵活性

使用本地版本时，你不受默认设置的限制。

想要微调模型？将其与其他工具集成？构建自定义界面？DeepSeek R1 的开源特性为你提供了无限的可能性。

总结

目前，DeepSeek 如何处理用户数据仍不明确。如果你不太担心数据隐私，使用网页或移动应用可能是更好的选择，因为它们更易于使用，并提供 DeepThink 和网页搜索等功能。

但如果你关心数据的去向，本地运行模型是一个值得考虑的好替代方案。

DeepSeek 模型被设计为即使在硬件不算特别强大的情况下也能运行良好。

虽然像 DeepSeek-R1-Zero 这样的大模型需要分布式 GPU 设置，但精简版本使得在显存要求更低的单个 GPU 上也能流畅运行。

本文同步自知识星球《AI Disruption》

我是Substack和Medium顶级编辑。还是独立开发。

星球里面分享AI趋势和国外数字营销。

星球非免费。定价99元/年，0.27元/天。

一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。

👉👉【DeepSeek本地部署文档】

https://pan.quark.cn/s/7e0fa45596e4

cut-off

最近，我的DeepSeek本地部署文章在CSDN阅读量意外小爆，评论区被两类留言淹没：一类是技术爱好者追问“如何用消费级显卡跑通大模型”，另一类是职场人焦虑“我的工作会被AI取代吗？”这两个问题的背后，折射出一个残酷的真相：大模型技术正在重构所有行业的生存法则，而掌握这项技术的人将获得通往未来的船票。

DeepSeek的火爆对普通人意味着什么？

DeepSeek的火爆并非偶然。它代表了一种技术趋势：大模型技术正在从实验室走向大众。过去，大模型技术似乎只属于科技巨头和学术机构，普通人很难接触到。而现在，随着开源社区的活跃和技术的普及，像DeepSeek这样的工具已经可以让普通用户在自己的设备上部署和使用大模型。

对于普通人来说，DeepSeek的火爆意味着：

技术门槛降低：大模型技术不再遥不可及。通过本地部署，普通人也可以体验到强大的AI能力，无论是文本生成、对话系统还是其他AI应用。
个性化需求得到满足：大模型可以根据用户的需求进行定制化调整，满足个性化的应用场景。比如，你可以训练一个专门用于写作、编程或翻译的模型。
未来职业机会：大模型技术的普及将催生大量新的职业机会。无论是AI工程师、数据科学家，还是AI产品经理，掌握大模型技术将成为未来职场的重要竞争力。

👉👉获取方式：