春節(jié)期間突然被DeepSeek刷屏了，這熱度是真大，到處都是新聞和本地部署的教程，等熱度過了過，簡(jiǎn)單記錄下自己本地部署及相關(guān)的內(nèi)容，就當(dāng)電子寵物，沒事喂一喂:D，不過有能力的還是閱讀論文和部署完整版的進(jìn)一步使用。

論文鏈接：https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf

1|0一、什么是 DeepSeek R1

2025.01.20 DeepSeek-R1 發(fā)布，DeepSeek R1 是 DeepSeek AI 開發(fā)的第一代推理模型，擅長(zhǎng)復(fù)雜的推理任務(wù)，官方對(duì)標(biāo)OpenAI o1正式版。適用于多種復(fù)雜任務(wù)，如數(shù)學(xué)推理、代碼生成和邏輯推理等。

DeepSeek-R1 發(fā)布的新聞：https://api-docs.deepseek.com/zh-cn/news/news250120

根據(jù)官方信息DeepSeek R1 可以看到提供多個(gè)版本，包括完整版（671B 參數(shù)）和蒸餾版（1.5B 到 70B 參數(shù)）。完整版性能強(qiáng)大，但需要極高的硬件配置；蒸餾版則更適合普通用戶，硬件要求較低

DeepSeek-R1官方地址：https://github.com/deepseek-ai/DeepSeek-R1

完整版（671B）：需要至少 350GB 顯存/內(nèi)存，適合專業(yè)服務(wù)器部署

蒸餾版：基于開源模型（如 QWEN 和 LLAMA）微調(diào)，參數(shù)量從 1.5B 到 70B 不等，適合本地硬件部署。

蒸餾版與完整版的區(qū)別

這里我們?cè)敿?xì)看下蒸餾版模型的特點(diǎn)

進(jìn)一步的模型細(xì)分還分為量化版

蒸餾版與量化版

例如：

deepseek-r1:7b-qwen-distill-q4_K_M：7B 模型的蒸餾+量化版本，顯存需求從 5GB 降至 3GB。

deepseek-r1:32b-qwen-distill-q4_K_M：32B 模型的蒸餾+量化版本，顯存需求從 22GB 降至 16GB

我們正常本地部署使用蒸餾版就可以

2|0二、型號(hào)和硬件要求

2|12.1硬件配置說明

Windows 配置：

最低要求：NVIDIA GTX 1650 4GB 或 AMD RX 5500 4GB，16GB 內(nèi)存，50GB 存儲(chǔ)空間

推薦配置：NVIDIA RTX 3060 12GB 或 AMD RX 6700 10GB，32GB 內(nèi)存，100GB NVMe SSD

高性能配置：NVIDIA RTX 3090 24GB 或 AMD RX 7900 XTX 24GB，64GB 內(nèi)存，200GB NVMe SSD

Linux 配置：

最低要求：NVIDIA GTX 1660 6GB 或 AMD RX 5500 4GB，16GB 內(nèi)存，50GB 存儲(chǔ)空間

推薦配置：NVIDIA RTX 3060 12GB 或 AMD RX 6700 10GB，32GB 內(nèi)存，100GB NVMe SSD

高性能配置：NVIDIA A100 40GB 或 AMD MI250X 128GB，128GB 內(nèi)存，200GB NVMe SSD

Mac 配置：

最低要求：M2 MacBook Air（8GB 內(nèi)存）

推薦配置：M2/M3 MacBook Pro（16GB 內(nèi)存）

高性能配置：M2 Max/Ultra Mac Studio（64GB 內(nèi)存）

可根據(jù)下表配置選擇使用自己的模型

3|0三、本地安裝 DeepSeek R1

我這里的演示的本地環(huán)境：
機(jī)器：M2/M3/M4 MacBook Pro (16GB RAM+)
模型：deepseek-r1:8b

簡(jiǎn)單說下在本地運(yùn)行的好處

隱私：您的數(shù)據(jù)保存在本地的設(shè)備上，不會(huì)通過外部服務(wù)器

離線使用：下載模型后無需互聯(lián)網(wǎng)連接

經(jīng)濟(jì)高效：無 API 成本或使用限制

低延遲：直接訪問，無網(wǎng)絡(luò)延遲

自定義：完全控制模型參數(shù)和設(shè)置

之后如果有Windows/Linux的場(chǎng)景需要在后續(xù)進(jìn)行更新。

3|13.1部署工具

部署可以使用Ollama、LM Studio、Docker等進(jìn)行部署

Ollama：

本地大模型管理框架，Ollama 讓用戶能夠在本地環(huán)境中高效地部署和使用語言模型，而無需依賴云服務(wù)

支持 Windows、Linux 和 Mac 系統(tǒng)，提供命令行和 Docker 部署方式

使用命令ollama run deepseek-r1:7b下載并運(yùn)行模型

LM Studio：

LM Studio 是一個(gè)桌面應(yīng)用程序，它提供了一個(gè)用戶友好的界面，允許用戶輕松下載、加載和運(yùn)行各種語言模型（如 LLaMA、GPT 等）

支持 Windows 和 Mac，提供可視化界面，適合新手用戶

支持 CPU+GPU 混合推理，優(yōu)化低配硬件性能

Docker：

支持 Linux 和 Windows，適合高級(jí)用戶。

使用命令docker run -d --gpus=all -p 11434:11434 --name ollama ollama/ollama啟動(dòng)容器。

由于需要本地化部署語言模型的場(chǎng)景，對(duì)數(shù)據(jù)隱私和自定義或擴(kuò)展語言模型功能有較高要求，我們這里使用Ollama來進(jìn)行本地部署運(yùn)行

如果只有集顯也想試試玩，可以試試下載LM Studio軟件，更適應(yīng)新手，如果有需要后續(xù)更新

3|23.2 安裝 ollama

官方地址：https://ollama.com/

選擇自己的系統(tǒng)版本進(jìn)行下載

安裝完成

控制臺(tái)驗(yàn)證是否成功安裝

我們?cè)倩氐給llama官網(wǎng)選擇模型，選擇需要的模型復(fù)制命令進(jìn)行安裝

可以看到安裝完成

簡(jiǎn)單思考下，使用過程中的硬件使用率，GPU飽和，其他使用率不是很高，速度也很快

4|0四、可視化界面

這里介紹下Open-WebUI和Dify

Open-WebUI是一款自托管 LLM Web 界面，提供 Web UI 與大模型交互，僅提供 Web UI，不提供 API，適用于個(gè)人使用 LLM以及本地運(yùn)行大模型

Dify是LLM 應(yīng)用開發(fā)平臺(tái)，不完全是可視化界面，可以快速構(gòu)建 LLM 應(yīng)用（RAG、AI 代理等），提供 API，可用于應(yīng)用集成，支持 MongoDB、PostgreSQL 存儲(chǔ) LLM 相關(guān)數(shù)據(jù)， AI SaaS、應(yīng)用開發(fā)，需要構(gòu)建智能客服、RAG 應(yīng)用等

4|14.1 Open-WebUI

Open-WebUI官方地址：https://github.com/open-webui/open-webui

Open-WebUI官方文檔地址：https://docs.openwebui.com/getting-started/

根據(jù)官網(wǎng)文檔可使用pip和docker進(jìn)行安裝，我這里避免影響本地環(huán)境使用docker進(jìn)行安裝

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

訪問http://localhost:3000/

創(chuàng)建賬號(hào)

訪問成功

簡(jiǎn)單的問下問題，實(shí)際運(yùn)行8b模型給出的代碼是有問題的，根據(jù)報(bào)錯(cuò)的問題再次思考時(shí)間會(huì)變長(zhǎng)

4|24.2 Dify

Dify官方地址：https://github.com/langgenius/dify

啟動(dòng)成功，localhost訪問

登錄成功選擇Ollama進(jìn)行添加模型模型供應(yīng)商，如果Ollama和Dify是同機(jī)部署，并且Dify是通過Docker部署，那么填http://host.docker.internal:11434即可

接下來創(chuàng)建應(yīng)用使用之前安裝好的DeepSeek R1模型

可以看到右上角已經(jīng)使用deepseek-r1:8b的模型了

簡(jiǎn)單的問個(gè)問題可以看到已經(jīng)正常使用

Dify不只是對(duì)話，其他功能可以自行探索下，后續(xù)有使用我也會(huì)更新

以上就是簡(jiǎn)單本地部署Deepseek- R1的過程

5|0五、關(guān)于Deepseek的使用

最后在本地部署蒸餾版的體驗(yàn)中對(duì)于回答的代碼內(nèi)容有些不盡人意，不過文字以及思考過程的能力還是可以的

如果想在后續(xù)體驗(yàn)完整版的Deepseek，還沒有高性能的硬件，那么直接使用deepseek官方的服務(wù)吧，api是真的便宜

Deepseek剛出現(xiàn)的時(shí)候就有在體驗(yàn)過包括使用API，Deepseek火了之后也總出現(xiàn)了服務(wù)器繁忙請(qǐng)稍后再試，API的地址也無法使用，不過之前使用的API卻還可以正常使用，希望盡快修復(fù)吧

在vs code中通過Continue插件使用Deepseek的API，也可以在Open-WebUI接入API

在使用過程中感覺到有些上下文聯(lián)系不是很緊密，不過思考過程確實(shí)很驚艷，在某些方面o1可能還是好些

后來發(fā)現(xiàn)chatgpt、kimi這些也推出了推理功能:D，

對(duì)于在日常使用中Deepseek和GPT4O的對(duì)比各有千秋，可根據(jù)使用場(chǎng)景切換使用，但不得不說Deepseek確實(shí)很棒。

鏈接：https://www.cnblogs.com/shook/p/18700561