DeepSeek-R1本地部署--小白教程

在 AI 模型不断迭代的浪潮中，5月29日 深度求索（DeepSeek）再次带来惊喜！DeepSeek R1 模型已完成小版本升级，摇身一变成为 DeepSeek - R1 - 0528，为广大用户开启全新智能体验。如今，用户只需通过官方网站、APP 或小程序进入对话界面，轻松开启 “深度思考” 功能，就能感受新版模型的独特魅力，并且 API 也已同步更新，调用方式一如既往，操作毫无负担。

真正的"国运"或许就藏在这些街边摊的油烟气里:一群不信邪的傻子，用代码当砖瓦，拿算法做钢筋，在资本与质疑的裂缝中，硬生生垒出通向未来的栈桥。DeepSeek团队已经证明，较大模型的推理模式可以被提炼成较小的模型，与通过RL在小模型上发现的推理模式相比，可以获得更好的性能。根据 Ollama 平台提供的 DeepSeek-R1 模型信息，以下是不同参数量模型的本地部署硬件要求和适用场景分析。以下是通过使用DeepSeek-R1生成的推理数据对研究界广泛使用的几个密集模型进行微调而创建的模型。

本文介绍了如何在本地环境中部署 DeepSeek R1 模型，旨在提供更低的延迟、更高的隐私性及对 AI 应用的更大控制。首先，用户需要安装 Ollama 工具，并通过其下载 DeepSeek R1 模型。在安装完成后，用户可以运行该模型并通过命令行与其交互。此外，本文还介绍了如何通过开源客户端 Chatbox 与本地模型互动，并提供了配置方法和常见问题解答。最后，还介绍了如何自定义 Ollama 的安装路径以及模型下载路径，以便更好地适应用户的硬件和网络条件。

本文将引导您完成在本地机器上设置和运行 DeepSeek-R1 模型的全过程，涵盖硬件要求、必要工具的安装以及客户端的使用。DeepSeek 的 R1 模型因其先进的功能和成本效益而备受关注。在本地运行此模型将是有益的体验，能够深入了解最先进的 AI 技术。1、DeepSeek-R1 模型各个版本说明和硬件需求DeepSeek-R1 提供多种版本，每个版本都有特定的硬件要求，下面分别列出：全参数的模型这是 R1 的原始版本，包含大量的参数，精度高，但需要大量计算资源；

0基础 实现本地部署 DeepSeek 的 DeepSeek-R1 模型教程，再也不怕官网宕机啦！

AnythingLLM 是一款支持本地知识库管理和联网搜索的工具。安装后可以帮助您实现 DeepSeek-R1 模型的本地部署，并结合联网搜索进行增强。Ollama 是支持多种大模型管理和运行的工具，首先需要下载安装 Ollama 客户端。执行命令后，进度条出现并显示“success”表示安装成功。模型版本选择不当可能会影响运行性能。根据您的电脑配置选择合适的。完成模型部署后，接下来配置。

Ollama 是一个快速、轻量且易于使用的开源 AI 代理框架，由 Facebook 开发，可以用来托管和运行各种语言模型（LLM），可以实现在您的硬件设备快速部署各种本地大模型，并且提供了一个简单命令行界面，方便用户快速部署。既然现在已经了解了 Ollama是干嘛的，那么接下来就是在你的操作系统中安装 Ollama了。

最近，deepseek ai发布了一个超强开源版本的大模型，效果接近于Chat GPT o1-mini，并且提供了支持本地部署的版本，本教程旨在让读者学会本地部署，后续的应用落地，随缘更新❤️，最后使用一个案例展示deepseek-r1的推理能力。

蒸馏版（Distill）：是指将大型模型（教师模型）的知识转移到较小的模型（学生模型）中，以保持性能的同时减少计算资源的需求；|-使用DeepSeek-R1完整版作为教师模型（671B），迁移到Qwen/Llama等开源架构（1.5B-70B）；AIME2024(79.8%)/MATH-500(97.3%)/MMLU(90.8%)，超越OpenAI o1。32B蒸馏版AIME2024(72.6%)，超越Qwen2.5-32B(55.5%)提供1.5B/7B/8B/14B/32B/70B等多尺寸。

从个人开发者到企业级需求，如何选择最适合的AI模型？

2025 年 1 月 20 日，DeepSeek 发布并开源了最新的推理模型–，性能比肩OpenAI-o1，同时还开源了 6 个R1小模型，使用从 DeepSeek-R1 蒸馏出来的知识去微调 Qwen、Llama，参数包含了1.5B、7B、 8B、14B、32B、70B，能够满足各种场景。本次将使用BitaHub部署DeepSeek-R1-Distill，BitaHub是一个开放的Al和深度学习社区，GPU算力资源有4090、A100 等高性能显卡，提供了全流程的 AI 开发、训练、部署的专业环境。

DeepSeek-R1-Lite预览版在解决这些复杂数学问题时拥有极强的“拆解能力”，能够将复杂任务分解为更小的步骤并逐一执行，从而提高其准确性。当时，DeepSeek V2的API定价约等于谷歌的七分之一，GPT-4 Turbo的七十分之一。在前不久发布模型名为DeepSeek-R1-Lite，预览版在难度较高数学和代码任务上超越o1-preview，大幅领先GPT-4o等。随着思维长度的增加，DeepSeek-R1-Lite-Preview 在 AIME 上的得分稳步提高。推理时间更长，性能更佳。

前言，DeepSeek的火爆程度无需多言，对应其产品的各个版本依然有很多朋友不太清楚，比如常见的问题有DeepSeek的产品分类有哪些？常看到的DeepSeekR1和V3的区别和联系？R1-zero版本的定位是什么？以及R1满血版和蒸馏版的关系？不同大小的模型对于本地部署的配置要求等等，今天和大家展开聊聊！DeepSeek V3和R1各个版本火爆出圈，下图展示了DeepSeek公司从2023年到现在重点产品发布的时间点。

【2025重磅发布】DeepSeek-R1正式登场：性能比肩OpenAI o1，开源全栈生态+MIT开源协议 | 推理模型API深度解析 2025年1月20日，人工智能领域迎来里程碑式突破！深度求索（DeepSeek）正式发布新一代推理大模型DeepSeek-R1，不仅实现与OpenAI最新o1正式版的性能对标，更以全栈开放的生态布局引发行业震动。作为首个遵循MIT License开源协议的高性能推理模型，R1的发布将如何重构AI开发者的技术生态？其独创的"思维链API接口"又会给企业级应用带来哪些革新？

高性能：14B、32B或70B版本，适合高端GPU。中端：7B或8B版本，适合大多数消费级GPU。入门级：1.5B版本，适合初步测试。选择ollama、选择下载的模型。Ollama是一个开源工具。使用命令行：ollama。选择大小，复制命令，执行。选择chatbox ai。

本文为DeepSeek-R1模型的本地部署提供全面指南，涵盖模型概述、硬件要求、适用场景及优化建议。DeepSeek-R1采用MoE架构，支持从1.5B到1.8T参数的弹性部署，具备高效推理和低显存占用优势。文章详细列出不同版本的硬件需求，包括CPU、GPU、存储和内存配置，并针对轻量级、企业级和科研级部署给出具体适用场景。同时，提供量化加速、显存优化和分布式部署等性能优化建议，帮助用户在不同场景下最大化发挥模型效能，确保高效、稳定的运行。