手把手带你3步本地私有化部署DeepSeekR1，亲测成功

DeepSeek 是国内顶尖 AI 团队「深度求索」开发的多模态大模型，具备数学推理、代码生成等深度能力，堪称"AI界的六边形战士"。

DeepSeek 身上的标签有很多，其中最具代表性的标签有以下两个：

低成本（不挑硬件、开源）高性能（推理能力极强、回答准确）

终于不用翻墙，就能用到世界级水平的AI了！！！

DeepSeek太强了：

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。

性能对齐海外领军闭源模型：DeepSeek-V3 为自研 MoE 模型，671B 参数，激活 37B，在 14.8T token 上进行了预训练。

论文链接：https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf

DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。

DeepSeek太火了，作为一个研发，不自己部署一个是不是缺点意思？！

AI军备竞赛已经开始打响，作为普通人无法避开科技浪潮，如何不让自己随波逐流，或许我们需要躬身入局去体验，思考和探索。

话不多说，Just do it !

在本地部署 DeepSeek 只需要以下三步：

安装 Ollama部署 DeepSeek安装 open-webui【非必须，可选】

Ollama、DeepSeek 和 Open Web UI 三者之间的关系如下：

Ollama

定义：Ollama 是一个用于本地运行和管理大型语言模型（LLM）的开源工具，旨在简化在本地计算机上部署、运行和管理大型语言模型的流程。它支持多种操作系统（如 macOS、Linux 和 Windows），并提供了丰富的功能，使开发者、研究人员以及对数据隐私有较高要求的用户能够轻松地在本地环境中使用和定制大语言模型。Ollama 允许用户在本地运行多种开源大语言模型，如 LLaMA 2、DeepSeek、Mistral、Gemma 等，无需依赖云端服务，从而更好地保护数据隐私并降低延迟。功能：Ollama 提供了对模型的管理功能，包括模型的下载、运行、参数调整等。它还支持多种模型，包括 DeepSeek。

DeepSeek

定义：DeepSeek 是一个开源的大型语言模型，由 Moonshot AI 开发。它在 2025 年 1 月发布了 DeepSeek-R1 推理大模型。功能：DeepSeek 提供了强大的语言生成能力，可以用于多种自然语言处理任务。它可以通过 Ollama 进行本地部署和管理。

Open Web UI

定义：Open Web UI 是一个开源的 Web 界面工具，旨在提供一个用户友好的界面来与本地运行的 AI 模型进行交互。功能：Open Web UI 提供了可视化交互界面，支持多种 LLM 运行程序，包括 Ollama。它允许用户通过浏览器与 Ollama 管理的模型（如 DeepSeek）进行交互，并提供了丰富的功能，如 Markdown 和 LaTeX 支持。

三者的关系

Ollama 是一个“大管家”，用于管理和运行 AI 模型的工具，就像一个大模型的治理工具，DeepSeek 是一个具体的 AI 模型，是一个“超级大脑”，可以回答我们各种问题，可以通过 Ollama 进行管理和运行。Open Web UI 是一个可视化界面工具，是一个“聊天工具”，用于与 Ollama 管理的模型（如 DeepSeek）进行交互，让我们更方便地和DeepSeek交流。它为用户提供了一个更友好的操作界面。类似的可视化界面工具还有ChatBox。

先看下效果：

环境：6c16G

DeepSeek版本介绍

模型参数规模典型用途CPU 建议GPU 建议内存建议 (RAM)磁盘空间建议适用场景1.5b (15亿)小型推理、轻量级任务4核以上 (Intel i5 / AMD Ryzen 5)可选，入门级 GPU (如 NVIDIA GTX 1650, 4GB 显存)8GB10GB 以上 SSD小型 NLP 任务、文本生成、简单分类7b (70亿)中等推理、通用任务6核以上 (Intel i7 / AMD Ryzen 7)中端 GPU (如 NVIDIA RTX 3060, 12GB 显存)16GB20GB 以上 SSD中等规模 NLP、对话系统、文本分析14b (140亿)中大型推理、复杂任务8核以上 (Intel i9 / AMD Ryzen 9)高端 GPU (如 NVIDIA RTX 3090, 24GB 显存)32GB50GB 以上 SSD复杂 NLP、多轮对话、知识问答32b (320亿)大型推理、高性能任务12核以上 (Intel Xeon / AMD Threadripper)高性能 GPU (如 NVIDIA A100, 40GB 显存)64GB100GB 以上 SSD大规模 NLP、多模态任务、研究用途70b (700亿)超大规模推理、研究任务16核以上 (服务器级 CPU)多 GPU 并行 (如 2x NVIDIA A100, 80GB 显存)128GB200GB 以上 SSD超大规模模型、研究、企业级应用671b (6710亿)超大规模训练、企业级任务服务器级 CPU (如 AMD EPYC / Intel Xeon)多 GPU 集群 (如 8x NVIDIA A100, 320GB 显存)256GB 或更高1TB 以上 NVMe SSD超大规模训练、企业级 AI 平台

根据电脑的配置的选择合适的DeepSeek版本。

本次部署1.5b的。1.5b,1.5Billion,15亿参数规模。

安装 Ollama

本次使用Homebrew安装：

还有其它安装可选：

https://ollama.com/

部署 DeepSeek

step2.1:新打开一个窗口，执行命令

Tips:使用brew services start ollama也可以，只是后面关闭时有些费事。本次未使用此命令。

使用ollama serve命令，只需要把命令执行的窗口关闭，ollama就关掉了。

step2.2:下载ollama模型：

看到success即代表模型部署成功。

step2.3:运行deepseek

到此，deepseek-r1已经本地化部署成功！

是不是觉得很简单

是的，只要按照步骤来，小白也能轻松搞定。动手做起来吧，说不定你就能发现更多好玩的功能，让这个大模型成为你工作和学习的得力助手呢！要是你在部署过程中遇到什么问题，别忘了留言问我哦，我们一起解决！快去试试吧，开启你的本地大模型之旅！

最后来一起看看DeepSeekR1的其它数据指标：

资源消耗情况

CPU使用情况：

与DeepSeekR1 chat时，6c的CPU基本打满。大模型属于CPU型的任务

内存使用情况：

与DeepSeekR1开启一个chat窗口时，需要1.38GB的内存。