DeepSeek-R1本地化部署全流程

推荐语

掌握DeepSeek-R1本地化部署全流程，从模型选择到硬件配置，一文读懂。

核心内容：
1. 不同版本的DeepSeek-R1模型定位及参数规模
2. 各版本的硬件需求及适用场景
3. DeepSeek-R1本地化部署的具体步骤

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

1.模型定位与平衡运行硬件需求

1.5B/7B/8B版本

定位：中小型模型、轻量级模型、平衡型模型

参数规模：1.5B(15亿)、7B(70亿)、8B(80亿)

特点：轻量级模型，资源消耗低，推理速度快，但处理复杂任务的能力有限。

硬件需求：普通消费级GPU（如RTX3090/4090 GPU，显存≥4GB）

适用场景：

·  本地开发和测试：可处理一些常规的翻译、总结、摘要、生成等常见任务。

·  轻量级应用：常规智能助手、常规文本生成工具（如摘要生成、基础问答）、轻量级多轮对话系统等。

·  实时性要求高的场景：用于某些资源受限的环境下所使用。

14B/32B版本

定位：大型模型、高性能模型、专业型模型

参数规模：14B(140亿)、32B(320亿)

特点：中等规模模型，推理能力显著提升，支持复杂逻辑推理和代码生成。

硬件需求：高端GPU（如RTX4090/A5000 GPU，显存≥16GB）

适用场景：

·  中高等复杂任务：长文本理解生成、高级别文本翻译、高级别文本分析、专业领域的知识图谱构建等需要较高精度的任务。

· 专业开发工具：如专业型数据分析（如辅助编程或企业级文档处理）、深度内容分析处理等。

70B/671B版本

定位：超大规模模型、顶级模型

参数规模：70B(700亿)、671B(6710亿)

特点：顶级大模型，擅长复杂推理和海量数据处理。

硬件需求：大规模云端计算集群（如多卡A100/H100 GPU，显存≥80GB）

适用场景：

·  科研与高精度任务：如医学数据分析、复杂数学证明、战略决策支持等。

·  云端服务：大型企业的数据挖掘、大型企业的前沿探索、超长超复杂内容处理等。

DeepSeek-R1-xx各版本本地部署硬件配置对比表

2.模型本地化部署

1.下载Ollama

官网：https://ollama.com

打开官网，如下图，很醒目的一个「Download」

点击一下，下载对应系统的版本，即可

，如下图。

macOS、Windows直接显示对应版本下载，Unix显示安装命令。

安装完成后，在命令行终端，输入 ollama -v 测试，显示版本号，表示安装成功，如下图：

2.安装DeepSeek-R1模型

在 Ollama 官网的「Models」导航处，搜索「deepseek」。

使用 ollama run deepseek-r1:XX命令进行安装，XX为版本号，如下图：

ollama run deepseek-r1:32b回车，等待下载成功。看到success,下载完成

3.使用DeepSeek对话

模型下载好后，在终端里就可以和 deepseek 进行对话。

4.安装客户端

安装客户端，ChatBox、Cherry Studio 等都可以，这里我使用 ChatBox 集成 DeepSeek。

ChatBox 官网链接：https://chatboxai.app，下载对应系统的版本安装即可。

配置本地模型

设置模型地址和参数，选好模型提供方为 ollama 和模型 deepseek-r1，然后保存即可

以上，安装部署使用 DeepSeek-R1 的全过程。