DeepSeek 简介

DeepSeek 是国产开源大模型的佼佼者，由深度求索公司开发。其 DeepSeek-V3 和 DeepSeek-R1 模型在性能上可与 GPT-4、Claude 等国际顶尖模型媲美，且完全开源免费。

核心优势：

  • 完全开源，可本地部署
  • 中文理解能力强
  • 推理性能优秀
  • 支持 67B、7B 等多种规格

部署方式一：Ollama（最简单）

Ollama 是最便捷的本地 LLM 运行工具，一键拉取运行 DeepSeek。

安装 Ollama

# Linux/macOS
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# 下载安装包：https://ollama.com/download/windows

运行 DeepSeek

# 拉取并运行 DeepSeek-R1 7B
ollama run deepseek-r1:7b

# 其他版本
ollama run deepseek-r1:1.5b    # 轻量版，适合低配电脑
ollama run deepseek-r1:8b      # 中等版本
ollama run deepseek-v3:67b     # 完整版（需要高端显卡）

测试对话

>>> 你是谁？
我是 DeepSeek-R1，一个由深度求索开发的 AI 助手...

>>> 用 Python 写一个快速排序算法
def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    ...

部署方式二：vLLM（高性能）

vLLM 适合需要高并发推理的场景，吞吐量比 Ollama 高 10 倍以上。

安装 vLLM

pip install vllm

启动推理服务

# 下载模型（需要 HuggingFace 账号）
huggingface-cli download deepseek-ai/deepseek-r1-distill-qwen-7b

# 启动 API 服务
vllm serve deepseek-ai/deepseek-r1-distill-qwen-7b \
    --host 0.0.0.0 \
    --port 8000 \
    --dtype auto

调用 API

import requests

response = requests.post(
    "http://localhost:8000/v1/chat/completions",
    json={
        "model": "deepseek-ai/deepseek-r1-distill-qwen-7b",
        "messages": [{"role": "user", "content": "你好，请介绍一下自己"}],
        "temperature": 0.7
    }
)

print(response.json()["choices"][0]["message"]["content"])

部署方式三：LM Studio（可视化界面）

适合不想折腾命令行的用户，提供友好的 GUI 界面。

安装步骤

  1. 下载 LM Studio：https://lmstudio.ai
  2. 搜索并下载 DeepSeek-R1 模型
  3. 点击「Chat」开始对话

硬件配置建议

模型规格 显存需求 推荐显卡
1.5B 4GB GTX 1650
7B 8GB RTX 3060
8B 12GB RTX 4070
67B 80GB+ A100/H100（或多卡并行）

CPU 运行方案：
显存不足时，可用 CPU + 内存运行，但速度较慢。8GB 内存可跑 1.5B 版本。

# CPU 模式运行
ollama run deepseek-r1:1.5b --device cpu

进阶：接入 Web UI

使用 Open WebUI 提供类似 ChatGPT 的网页界面。

# Docker 一键部署
docker run -d -p 3000:8080 \
    --add-host=host.docker.internal:host-gateway \
    -v open-webui:/app/backend/data \
    --name open-webui \
    ghcr.io/open-webui/open-webui:main

# 访问 http://localhost:3000
# 设置 Ollama API 地址：http://host.docker.internal:11434

总结

DeepSeek 本地部署方案对比：

方案 优点 缺点
Ollama 简单易用，一键部署 并发性能有限
vLLM 高吞吐量，API 服务 配置复杂
LM Studio 可视化界面 功能相对简单

推荐新手选择 Ollama，几分钟即可上手体验 DeepSeek 的强大能力！