在 AI 大语言模型的激烈竞争中，DeepSeek 脱颖而出，以其强大的自然语言处理能力、出色的代码生成效果和流畅的多轮对话表现，成为众多 AI 爱好者和开发者的心头好。但用户在线使用时频繁遭遇到服务器繁忙的问题，而本地部署能有效解决这一困扰。接下来，让我们一起来探究DeepSeek如何进行本地部署，对比网络版又有什么差别。

本地版本和网络版本的优缺点对比

优缺点	本地版本	网络版本
优点	1、 数据隐私有保障，所有数据在本地处理，避免泄露，如企业处理机密文件更安全 2、 响应速度快，不依赖网络，在网络不佳或无网络时也能流畅使用 3、 灵活可定制，用户可根据硬件性能调整参数，开发者能优化模型满足个性化需求	1、 便捷易用，通过浏览器或应用程序即可访问，无需复杂安装配置，普通用户易上手 2、 无需硬件升级，只要有网络，无论设备配置高低都能使用
缺点	1、硬件成本高，显卡需 GTX 1060（6GB）及以上等较高配置，可能需投入资金升级硬件 2、 技术门槛不低，部署涉及环境配置和模型调试，新手操作困难	1、 受网络限制，网络不稳定或拥堵时会出现加载缓慢、连接中断等问题，影响效率 2、 数据隐私存在隐患，数据上传云端处理，有隐私泄露风险

可以看得出DeepSeek 的本地版本和网络版各有优劣。如果你对数据隐私、离线使用和定制化有较高要求，且有一定的硬件和技术支持，那么本地部署更适合你；如果你希望快速使用、操作简单，且对数据隐私和定制化要求不高，网络版则是不错的选择。

DeepSeek本地部署的安装教程

准备工作： 确保设备满足硬件要求，显卡GTX 1060 ( 6GB ) 及以上，推荐RTX 3060及以上；内存容量为8GB，推荐16GB及更高，C盘剩余存储空间20GB，推荐使用Nvme固态硬盘。

首先，前往Ollama官网中下载对应系统的程序。（ Ollama 是一款开源的大语言模型本地部署工具，官网地址：https://ollama.com）

接着，在上方的搜索框中搜索到DeepSeek-r1。根据用户电脑配置去选择模型精度，随后复制右侧的代码。（以1.5b模型精度为例，代码则是ollama run deepseek-r1:1.5b）

DeepSeek模型有多个版本：1.5b、7b、8b、14b、32b、70b、671b，版本越高对GPU要求越高。不同模型精度适配不同的配置，详情可看下图：

模型版本	显卡配置
1.5B	非必需，若需 GPU 加速可选 4GB 显存的如 GTX 1650
7B	推荐 8GB + 显存，如 RTX 3070/4060
8B	推荐 8GB + 显存，略高于 7B 版本需求，如 RTX 3070/4060 也可满足基本需求
14B	16GB + 显存，如 RTX 4090 或 A5000
32B	24GB + 显存，如 A100 40GB 或双卡 RTX 3090
70B	32GB + 显存或多卡并行方案，如 2x A100 80GB 或 4x RTX 4090
671B	多节点分布式训练，如 8x A100/H100 或 AMD MI300X（192G，8 块）

然后，按下“Win+R”打开运行窗口，输入“cmd”打开终端，可先输入“ollama -v”命令查看Ollama程序是否已经安装好。

确认好已安装好程序后，再粘贴刚复制的命令，回车即可开始下载模型。

（注：不同的模型，大小不同，下载的时间也不同，后续若想卸载模型，只需将命令中的run改成rm即可）

部分用户可能会遇到模型下载速度缓慢的情况，此时有个小技巧，只需按下“Ctrl+C”停止下载，再粘贴上方的命令即可重新下载，且保持已下载的进度条。

部署安装完成后，即可在本地运行进行使用DeepSeek。

一些用户可能会觉得没有UI，使用起来不太方便，想要像网络版一样在浏览器上使用，可以下载一个名为Pageassist的浏览器插件。

（图片来源于Google商店）

以Edge浏览器为例，找到右上角选择扩展-管理扩展，开启左侧的“开发人员模式”，把刚下载的插件拖入其中，在弹出的窗口中，点击“添加扩展”。

此时，点击插件图标，选择下载好的模型，即可开始使用。

最后，再点击右上角的设置，将语言设置和语音识别语言都设置为中文即可。

至此，DeepSeek的本地部署安装已经顺利完成，拥有了DeepSeek本地部署环境后，我们可以在享受其强大功能的同时，获得更好的数据隐私保护和使用体验。希望这篇教程能帮助大家顺利完成本地部署，开启属于自己的 AI 探索之旅！

我的DeepSeek部署资料已打包好（自取↓）
https://pan.quark.cn/s/7e0fa45596e4

但如果你想知道这个工具为什么能“听懂人话”、写出代码 甚至预测市场趋势——答案就藏在大模型技术里！

❗️为什么你必须了解大模型？

1️⃣ 薪资爆炸：应届大模型工程师年薪40万起步，懂“Prompt调教”的带货主播收入翻3倍

2️⃣ 行业重构：金融、医疗、教育正在被AI重塑，不用大模型的公司3年内必淘汰

3️⃣ 零门槛上车：90%的进阶技巧不需写代码！会说话就能指挥AI

（附深度求索BOSS招聘信息）

⚠️警惕：当同事用DeepSeek 3小时干完你3天的工作时，淘汰倒计时就开始了。

那么，如何系统的去学习大模型LLM？

作为一名从业五年的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？老师啊，我自学没有方向怎么办？老师，这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！当然这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~

👉大模型学习指南+路线汇总👈

我们这套资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！