小白也能看懂的DeepSeek-R1本地部署指南

春节期间，小白Deepseek以其卓越性能赢得众多技术爱好者的看懂关注。用户评价褒贬不一，本地部署但国际巨头的指南震惊足以证明其非凡之处。若你想在本地部署该模型，小白探索其强大功能，看懂以下指南将为你提供详细指导。本地部署本文将介绍Windows和Mac双平台的指南部署流程。

一、小白基础环境搭建安装Ollama下载Ollama： 访问Ollama官网，看懂根据你的本地部署操作系统（Windows、Mac或Linux）下载相应安装包。指南以Mac和Windows为例，小白 安装验证： 安装完成后，看懂在终端输入<font style="color:rgb(26,本地部署 32, 41);">ollama -v</font>验证安装是否成功。正确安装将显示版本号。如何打开终端： Mac：找到终端工具。Windows：使用Win+R输入cmd。

然后检查

代码语言：javascript 代码运行次数：0 运行 AI代码解释 复制 ollama -v

下载完成后，按照安装向导的提示逐步完成安装。在安装过程中，Ollama 服务会自动在电脑后台运行。

二、模型部署选择模型版本： 打开Ollama模型库，选择适合自己电脑硬件的DeepSeek-R1模型版本（1.5B、7B、32B等）。云服务器

以下是本地部署 DeepSeek系列模型（1.5B、7B、8B、14B、32B）在 Windows、macOS、Linux三个平台的最低和推荐硬件配置指南。配置需求主要基于模型的显存（GPU）、内存（RAM）和计算资源需求，同时考虑不同平台的优化差异。

通用配置原则模型显存占用（估算）： 每 1B 参数约需 1.5-2GB 显存（FP16 精度）或 0.75-1GB 显存（INT8/4-bit 量化）。例如：32B 模型在 FP16 下需约 48-64GB 显存，量化后可能降至 24-32GB。内存需求：至少为模型大小的 2 倍（用于加载和计算缓冲）。存储：建议 NVMe SSD，模型文件大小从 1.5B（约 3GB）到 32B（约 64GB）不等。分平台配置建议

以下按模型规模和平台分类，提供 最低配置和 推荐配置。

1.5B 模型

平台

最低配置

推荐配置

Windows

- CPU: Intel i5 / Ryzen 5

- CPU: Intel i7 / Ryzen 7

- RAM: 8GB

- RAM: 16GB

- GPU: NVIDIA GTX 1650 (4GB)

- GPU: RTX 3060 (12GB)

macOS

- M1/M2 芯片（8GB 统一内存）

- M1 Pro/Max 或 M3 芯片（16GB+）

Linux

- CPU: 4 核

- CPU: 8 核

- RAM: 8GB

- RAM: 16GB

- GPU: NVIDIA T4 (16GB)

- GPU: RTX 3090 (24GB)

7B/8B 模型

平台

最低配置

推荐配置

Windows

- CPU: Intel i7 / Ryzen 7

- CPU: Intel i9 / Ryzen 9

- RAM: 16GB

- RAM: 32GB

- GPU: RTX 3060 (12GB)

- GPU: RTX 4090 (24GB)

macOS

- M2 Pro/Max（32GB 统一内存）

- M3 Max（64GB+ 统一内存）

Linux

- CPU: 8 核

- CPU: 12 核

- RAM: 32GB

- RAM: 64GB

- GPU: RTX 3090 (24GB)

- 多卡（如 2x RTX 4090）

14B 模型

平台

最低配置

推荐配置

Windows

- GPU: RTX 3090 (24GB)

- GPU: RTX 4090 + 量化优化

- RAM: 32GB

- RAM: 64GB

macOS

- M3 Max（64GB+ 统一内存）

- 仅限量化版本，性能受限

Linux

- GPU: 2x RTX 3090（通过 NVLink）

- 多卡（如 2x RTX 4090 48GB）

- RAM: 64GB

- RAM: 128GB

32B 模型

平台

最低配置

推荐配置

Windows

- 不推荐（显存不足）

- 需企业级 GPU（如 RTX 6000 Ada）

macOS

- 无法本地部署（硬件限制）

- 云 API 调用

Linux

- GPU: 4x RTX 4090（48GB 显存）

- 专业卡（如 NVIDIA A100 80GB）

- RAM: 128GB

- RAM: 256GB + PCIe 4.0 SSD

平台差异说明Windows： 依赖 CUDA 和 NVIDIA 驱动，推荐使用 RTX 30/40 系列。大模型（14B+）需借助量化或模型分片技术。macOS： 仅限 Apple Silicon 芯片（M1/M2/M3），依赖 Metal 加速。模型规模超过 14B 时性能显著下降，建议量化或云端部署。Linux： 支持多 GPU 扩展和高效资源管理（如 NVIDIA Docker）。适合部署大型模型（14B+），高防服务器需专业级硬件。注意事项量化优化：使用 4-bit/8-bit 量化可大幅降低显存需求（如bitsandbytes[6]）。框架支持：优先选择优化好的库（如 vLLM、DeepSpeed、HuggingFace）。散热：长时间推理需确保散热（建议风冷/水冷）。

建议根据实际需求选择硬件，并优先在 Linux 环境下部署大模型。

（二）顺利下载与稳定运行

确定适合自己电脑配置的模型版本后，就可以开始下载和运行模型了。打开终端或 CMD 命令窗口，输入对应的运行指令：

若选择 1.5B 版本，输入 ollama run deepseek-r1:1.5b 。若选择 7B 版本，输入 ollama run deepseek-r1:7b 。我 Mac 选择的是这个。若选择 8B 版本，输入 ollama run deepseek-r1:8b 。 若选择 32B 版本，输入 ollama run deepseek-r1:32b 。 三、打造专属AI聊天室（一）安装配置 “Cherry Studio”

前往Cherry Studio 官方网站****，根据你的操作系统（支持 Windows、Mac 和 Linux）下载对应的安装包

安装

下载完成后，对于 Windows 系统，双击安装包，b2b供应网按照安装向导提示完成安装，期间可能需要同意用户协议、选择安装路径等常规步骤；对于 Mac 系统，将下载的应用程序文件拖移到 “应用程序” 文件夹；

配置

打开 Cherry Studio，在设置中找到 “模型设置” 选项。

模型选择：从模型列表中选择与你本地部署的 DeepSeek-R1 模型版本对应的选项，如果没有直接匹配项，选择支持自定义模型配置的入口。自定义配置：在自定义配置中，将 API 地址设置为http://localhost:11434 ，这是 Ollama 服务的默认接口地址，确保 Cherry Studio 能连接到本地运行的 DeepSeek-R1 模型。模型参数设置：根据你的硬件配置和使用需求，设置模型的相关参数，如最大生成长度、温度等，一般默认参数即可满足常见需求，但对于特定任务，你可以适当调整，比如生成创意文本时，可将温度调高至 0.8 - 1.0，以增加文本的多样性；进行严谨的知识问答时，可将温度调低至 0.5 - 0.7 ，使回答更稳定。API 密钥大家随意设置就好，然后点击检查就好。

配置完成后大家记得默认模型也可以配制成 deepseek。

（二）安装配置 Chatbox 客户端

Chatbox AI 是一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API，可在 Windows、MacOS、Android、iOS、Linux 和网页版上使用

为了更便捷地与部署好的 DeepSeek-R1 模型进行交互，你可以下载开源客户端 Chatbox。访问官网[8]即可进行下载。Chatbox 支持中文界面与 Markdown 渲染，使用起来非常方便。

下载安装好 Chatbox 后，打开软件进行关键配置：

API 类型：选择 “OLLAMA”，这一步能确保 Chatbox 与我们部署的 DeepSeek-R1 模型进行正确通信。接口地址：填写http://localhost:11434 ，这个地址是 Ollama 服务的默认接口地址，通过它 Chatbox 可以连接到本地运行的 DeepSeek-R1 模型。模型名称：务必填写与之前下载的模型版本完全一致的名称，例如，如果之前下载的是 7B 版本，模型名称就必须填写 deepseek-r1:7b ，否则可能会导致连接失败。

通过以上步骤，你不仅可以使用 Cherry Studio 还能通过 Chatbox 与本地部署的 DeepSeek-R1 模型进行交互。希望大家都能顺利部署，开启属于自己的 AI 探索之旅。大家遇到问题也可以在后台私信我。

四、如何使用DeepSeek使用公式： 按照身份、任务、细节、格式的顺序重组问题，以获得所需结果。

本文地址：http://www.bhae.cn/html/44e9099865.html