deepseek 是由国内顶尖 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，被誉为"ai界的六边形战士"。
DeepSeek 拥有许多标签，其中最具代表性的有以下两个：
低成本（不挑硬件、开源） 高性能（推理能力极强、回答准确）
一、为什么要在本地部署 DeepSeek？ 使用 DeepSeek 时，许多用户会遇到以下问题：
这是因为 DeepSeek 火爆后访问量激增，再加上来自国外的持续恶意攻击，导致其服务器不稳定。因此，在本地部署 DeepSeek 大模型就显得尤为重要。
此外，对于一些敏感数据，用户不希望将其上传到网络，安全性是首要考虑的因素。本地大模型运行在用户自己的电脑上，完全不受网络影响，数据保存在本地，隐私性更高。同时，本地大模型可以根据用户需求进行定制，使用灵活性极强。
二、如何在本地部署大模型？ 在本地部署 DeepSeek 只需以下三步：
安装 Ollama。 部署 DeepSeek。 使用 DeepSeek：这里我们使用 ChatBox 客户端操作 DeepSeek（此步骤非必须）。Ollama、DeepSeek 和 ChatBox 之间的关系如下：
- Ollama 是“大管家”，负责将 DeepSeek 安装到用户的电脑上。
DeepSeek 是“超级大脑”，在 Ollama 搭建的环境中运行，帮助用户完成各种任务。
ChatBox 是“聊天工具”，让用户更方便地与 DeepSeek 交流。
安装 Ollama Ollama 是一个开源的大型语言模型服务工具，主要帮助用户在本地快速运行大模型。它简化了在 Docker 容器中部署和管理大语言模型（LLM）的过程。
PS：Ollama 就是大模型界的“Docker”。
Ollama 的优点包括：
- 易于使用：即使是没有经验的用户也能轻松上手，无需开发即可直接与模型进行交互。
轻量级：代码简洁，运行时占用资源少，能够在本地高效运行，不需要大量的计算资源。
可扩展：支持多种模型架构，并易于添加新模型或更新现有模型，还支持热加载模型文件，无需重新启动即可切换不同的模型，具有较高的灵活性。
预构建模型库：包含一系列预先训练好的大型语言模型，可用于各种任务，如文本生成、翻译、问答等，方便在本地运行大型语言模型。
Ollama 官网：https://www.php.cn/link/838dc9de386130f83f625a98d1ea561f
下载并安装 Ollama： 下载地址：https://www.php.cn/link/838dc9de386130f83f625a98d1ea561f
用户根据自己的操作系统选择对应的安装包，然后安装 Ollama 软件即可。
安装完成后，电脑上会出现一个 Ollama 应用：
点击应用即可运行 Ollama，此时在电脑状态栏可以看到 Ollama 的小图标。要测试 Ollama 是否安装成功，使用命令窗口输入“ollama -v”指令，如果能正常响应并显示 Ollama 版本号，就说明安装成功了，如下图所示：
部署 DeepSeek Ollama 支持的大模型列表：https://www.php.cn/link/838dc9de386130f83f625a98d1ea561flibrary
选择 DeepSeek 大模型版本，如下图所示：
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) | 8GB | 10GB 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) | 16GB | 20GB 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) | 32GB | 50GB 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) | 64GB | 100GB 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) | 128GB | 200GB 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 |
例如，安装并运行 DeepSeek：ollama run deepseek-r1:1.5b
使用 DeepSeek 这里我们使用 ChatBox 调用 DeepSeek 进行交互，ChatBox 是一个前端工具，用于方便地对接各种大模型（包括 DeepSeek），并且它支持跨平台，使用直观易用。
ChatBox 官网地址：https://www.php.cn/link/de487db7a08250a136f966ead11da262
点击下载按钮获取 ChatBox 安装包：
安装完 Chatbox 后，需要配置 DeepSeek 到 Chatbox，如下界面所示：
使用 DeepSeek，如下图所示：
三、扩展知识：本地 DeepSeek 集成到 IDEA 安装 CodeGPT 插件
配置 Ollama Ollama API 默认调用端口号：11434
检查相应的配置，如下所示：
使用 Ollama
四、优缺点分析 本地大模型的优缺点分析
优点：
- 隐私性高：数据都在本地，不用担心泄露问题，对于一些敏感数据处理来说，这是最大的优势。
稳定性强：不受网络影响，只要电脑不坏，模型就能稳定运行，不用担心中途卡顿或者断线。
可定制性强：可以根据自己的需求进行调整和优化，想让它做什么功能就做什么功能，灵活性很高。
缺点：
- 硬件要求高：大模型对电脑的性能要求不低，如果电脑配置不够，可能会运行很卡，甚至跑不起来。
部署复杂：对于小白来说，一开始可能会觉得有点复杂，需要安装各种东西，还得配置参数，不过只要按照教程来，其实也没那么难。
维护成本高：如果模型出了问题，可能需要自己去排查和解决，不像在线工具，有问题直接找客服就行。
以上就是1分钟学会DeepSeek本地部署，小白也能搞定！的详细内容，更多请关注楠楠科技社其它相关文章！
