DeepSeek是一款由国内人工智能公司研发的大型语言模型，拥有强大的自然语言处理能力，能够理解并回答问题，还能辅助写代码、整理资料和解决复杂的数学问题。

DeepSeek R1则像2023年初OpenAI的ChatGPT一样,让所有人真正感受到了这种震撼,这是DeepSeek R1出圈的非常重要的原因。当然震撼是可以看得到的，受中国人工智能初创公司——深度求索公司冲击，引发的美国人工智能主题股票以及纳斯达克综合指数大幅下跌。

以前如果说OpenAI是“大力出奇迹”，如今DeepSeek则是“小力也可以出奇迹”——小的算力用新的方法也能创造奇迹。不过个人认为这充其量算是傲慢者的懈怠，而不是最终的结果。

我们看看DeepSeek是如何谈Deepseek和OpenAI有什么不同的：

DeepSeek R1: 专注于特定领域的定制化AI解决方案，在垂直领域展示了AI的强大能力，推动了行业智能化。

OpenAI: 致力于通用人工智能，产品应用广泛，研究范围全面，通过广泛的技术应用和AGI愿景，展示了AI的深远影响。

关于DeepSeek R1、DeepSeek V2 和 DeepSeek V3的关系和区别，此前一直以为是不同时期的版本演进，后来才知道是同一系列的不同版本，主要区别在于性能、功能和优化。简而言之是：

• R1：入门级，适合小型项目。

• V2：中级，适合中型项目。

• V3：高级，适合大型项目。

回到正题上吧！

第一步，先看一下本机适合部署什么样的DeepSeek R-1版本。

对比我的机型，我可以从1.5B适配到14B。

模型大小	参数量	显存需求 (GPU)	CPU 和内存需求	硬盘	适用场景
1.5B	15亿	2-4 GB	8 GB 内存	3GB+（1.5-2GB）	低资源设备部署（如树莓派、旧款笔记本） 实时文本生成（聊天机器人、简单问答） 嵌入式系统或物联网设备
7B	70亿	8-12 GB	16 GB 内存	8GB+（4-5GB）	本地开发测试（中小型企业） 中等复杂度 NLP  任务（文本摘要、翻译）
8B	80亿	10-16 GB	16-32 GB 内存	15GB+	需更高精度的轻量级任务（如代码生成、逻辑推理）
14B	140亿	16-24 GB	32 GB 内存	15GB+	企业级复杂任务（合同分析、报告生成） 长文本理解与生成（书籍/论文辅助写作）
32B	320亿	32-48 GB	64 GB 内存	30GB+	高精度专业领域任务（医疗/法律咨询） 多模态任务预处理（需结合其他框架）
70B	700亿	64 GB+	128 GB 内存	70GB+	科研机构/大型企业（金融预测、大规模数据分析） 高复杂度生成任务（创意写作、算法设计）
671B	6710亿	多 GPU (80  GB+)	256 GB+ 内存	300GB+	国家级/超大规模 AI  研究（如气候建模、基因组分析） 通用人工智能（AGI）探索

第二步，选择安装部署工具，一般推荐Ollama

Ollama是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型，降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型。

官网地址是：https://ollama.com/

1、点击Download下载ollama

2、安装ollama即可，这个会默认安装在C盘上的，没法选择的。

3、点击DeepSeek-R1链接找到对deepseek-r1的支持情况

可以往下看看，其实不同大小的模型已经对应了不同下载和运行命令了

DeepSeek-R1-Distill-Qwen-1.5B

ollama run deepseek-r1:1.5b

DeepSeek-R1-Distill-Qwen-7B

ollama run deepseek-r1:7b

DeepSeek-R1-Distill-Llama-8B

ollama run deepseek-r1:8b

DeepSeek-R1-Distill-Qwen-14B

ollama run deepseek-r1:14b

DeepSeek-R1-Distill-Qwen-32B

ollama run deepseek-r1:32b

DeepSeek-R1-Distill-Llama-70B

ollama run deepseek-r1:70b

4、下载完成后会自动运行相关模型文件

第三步，更改ollama默认参数

‌Windows系统，Ollama下载的模型默认存储位置在C:\Users\<USERNAME>\.ollama\models,目录下包括manifests和blobs两个子目录。对于C盘不足恐惧症的人来说，是必须要修改的，毕竟动辄几个G的文件。

‌我们先来看一下ollama的配置参数有哪些：

常用的几个参数如下：

OLLAMA_MODELS是配置ollama的模型存储路径，默认是C盘的C:\Users\<USERNAME>\.ollama\models，这里我们更改ollama的模型存储为D盘

变量名：OLLAMA_MODELS

变量值：E:\ollama

OLLAMA_HOST为ollama监听地址，默认是127.0.0.1（仅限本机访问），这里设置为设置为0.0.0.0，即可远程访问

变量名：OLLAMA_HOST

变量值：0.0.0.0:12345

OLLAMA_PORT为ollama默认端口号，默认为11434端口

变量名：OLLAMA_PORT

变量值：12345

OLLAMA_ORIGINS为http开放请求

变量名：OLLAMA_ORIGINS

变量值：*

修改后的环境变量见以下截图：

一般重启后才能起作用

然后把这两个目录剪切到OLLAMA_MODELS目录下，对比前后两次执行的数据情况

第四步，更改防火墙

1、新建入站规则

2、选择端口

3、指定和OLLAMA_PORT一致的端口

4、指定连接方式

5、指定何时应用该规则

6、保存规则名称

第五步，重启ollama，查看相关情况

1、建议重启服务器，或者重启ollama

2、再用command命令打开ollama

3、打开浏览器

写在最后的话，作为AI小白，去尝试看懂DeepSeek是有点不现实的，后续可能会考虑如何尝试更加友好的应用DeepSeek，或者利用DeepSeek解决一些工作上的问题，或者在垂直行业做一些微调吧。

顺便吐槽一下DeepSeek在线版的稳定性，基本上几个问答就报“服务器繁忙，请稍后再试”了。

最后欢迎关注公众号：python与大数据分析