DeepSeek-R1的蒸馏模型是通过蒸馏技术从更大版本的DeepSeek-R1模型中提取出来的紧凑高效版本。
这个过程将大型模型的知识和推理能力转移到更小的模型当中，使它们能够在推理任务上表现良好，同时更加轻便、节省资源，并且更容易部署。

DeepSeek-R1-Distill-Qwen系列：1.5B,7B，14B,32B。

DeepSeek-R1-Distill-Llama系列：8B,70B。

下面从模型特点、所需硬件、适用场景三个方面来解读DeepSeek-R1系列模型

1、模型特点

• 1.5B-70B：参数数量相对少很多，模型容量依次递增，捕捉语言知识和语义关系的能力也逐渐增强，但整体不如671B模型丰富。
• 671B：参数数量最多，模型容量极大，能够学习和记忆海量的知识与信息，对各种复杂语言模式和语义关系的捕捉能力最强。

2、所需硬件

低配硬件适配

• 显卡：集成显卡或者独立显卡的显存不足2GB。
• 内存：8GB以下
• CPU：老旧的双核或四核处理器。
• 推荐模型版本：DeepSeek-R1-1.5B。

中配硬件适配

• 显卡：显存为4-6GB。
• 内存：16GB。
• CPU：英特尔酷睿i5系列或者AMD锐龙5系列。
• 推荐模型版本：DeepSeek-R1-7B。

高配硬件适配​​​​​​​

• 显卡：显存高达 8GB 及以上。如NVIDIA GeForce RTX30系列、AMD Radeon RX 6000 系列等高性能独立显卡，
• 内存：32GB及以上。
• CPU：英特尔酷睿i7/i9系列或AMD锐龙7/9系列。
• 推荐模型版本：DeepSeek-R1-32B甚至更高版本的模型。

更高硬件适配

• 显卡：A100/H100
• 推荐模型：DeepSeek-R1-70B以上版本

实测体验：

本机是戴尔Precision 7560，内存64GB，独立显卡NVIDIA T1200 Laptop GPU，4GB。
当运行7B、8B模型时还可以，当运行14B模型时，笔记本风扇瞬间转速加快，风扇噪音很大，对显卡消耗较大。

3、适用场景

• 1.5B-7B：适合对响应速度要求高、硬件资源有限的场景，如移动端的简单智能助手、轻量级的文本生成工具等，可快速加载和运行。
• 8B-14B：可用于一些对模型性能有一定要求，但又没有超高性能硬件支持的场景，如小型企业的日常文本处理、普通的智能客服等。
• 32B-70B：能满足一些对准确性有较高要求，同时硬件条件相对较好的场景，如专业领域的知识问答系统、中等规模的内容创作平台等。
• 671B：适用于对准确性和性能要求极高、对成本不敏感的场景，如大型科研机构进行前沿科学研究、大型企业进行复杂的商业决策分析等。

结论：

• 如果你要本地运行，建议选择7B或14B
• 如果你追求更强推理能力，可以选32B或70B
• 671B 可能是DeepSeek的顶级大模型，适用于云端推理

Deepseek本地部署

命令行部署

1、下载Ollama并安装

https://github.com/ollama/ollama/releases/latest/download/OllamaSetup.exe

下载后双击运行

2、Ollama官网搜索deepseek

3、直接把命令ollama run deepseek-r1:7b输入到cmd命令界面，即可开启下载。实测不用科学上网就可以下载。

界面式部署

下载并安装LM-Studio

然后下载相关的模型。

参考：

1、【deepseek】deepseek-r1本地部署-第三步：下载模型_deepseek-r1模型下载-CSDN博客

2、一文速览DeepSeek-R1的本地部署——可联网、可实现本地知识库问答：包括671B满血版和各个蒸馏版的部署_ollama run deepseek-r1:671b-CSDN博客

3、DeepSeek-R1大模型本地部署及简单测试_deepseek本地部署gpu需求-CSDN博客

4、DeepSeek部署教程(基于Ollama)_deepseek ollama部署-CSDN博客

5、DeepSeek-R1-Distill-Qwen-1.5B：最佳小型LLM？-CSDN博客

6、DeepSeek-R 1.5B、7B、8B、14B、32B、70B、671B 主要区别在于：_deepseek7b和14b的区别-CSDN博客

7、DeepSeek-R1的1.5b、7b、32b、671b等模型的区别与应用！|代码|deepseek|用户开放推理模型_网易订阅