不用花钱！手把手教你本地部署 DeepSeek，几分钟就能学会

后来国内很多大厂和平台也接入了 DeepSeek-R1 模型。很多平台，超过免费额度后，基本都是就要氪金付费了。

有一天晚上八九点，我分时段反复试了多次尝试某国家队平台，但每次都显示：“资源正在申请中,请您耐心等待”。后来第二天凌晨 2:30 左右才收到资源通过的短信。(￣.￣)

问题来了： 有没有免费又简单的方法使用 DeepSeek 呢？

答案是肯定的，那就是本地部署模型。

本地部署的好处和缺点

• 好处：从根本上避免因服务器过载导致的访问问题。数据无需上传云端，也不用担心泄露风险。

• 缺点：对个人硬件有要求，有一定技术门槛和维护成本。

好处和缺点不止上面这几点，本文不展开细讲。你直接问 DS 也能得到答案。

DeepSeek-R1 各版本的特点及适用场景

DS-R1 有多个版本，它们的特点和适用场景请直接看下方表格：

本文将主要关注轻量级模型，这也是适用于我们大多数个人用户的部署方式。

如何本地部署？

部署方法其实有很多，本文介绍基于 Ollama 实现本地部署。

Ollama 是一个支持在本地运行大型语言模型的工具，能够帮助用户快速部署和管理模型。

1、安装 Ollama

从 Ollama 官网下载：https://ollama.com/download ，选择对应的版本下载并安装。

安装成功后桌面就有 Ollama 的羊驼标志。

2、部署 DeepSeek R1 模型

Ollama 官网支持多种 DeepSeek-R1 版本，可以在 https://ollama.com/search

看到 1.5B 到 671B 共 7 个不同规模的共 29 个不同版本，其中包括一些基于开源模型 Llama 和 Qwen 进行微调、蒸馏或量化处理后得到的模型。

DeepSeek-R1 1.5B 版本对硬件配置要求最低，本文就以它为例。

双击羊驼启动 Ollama，然后打开终端工具，复制粘贴运行下方命令：

ollama run deepseek-r1:1.5

成功后会显示 success，我尝试问了它是谁。我再问了它“如何学习编程”，也是给了八点建议。

如果你是技术流用户，到这一步就已经算是成功部署 DeepSeek R1 模型啦。

但对普通用户来说，命令行不友好，还需要配置一个好用的前端，本文选用 Chatbox。

3、安装 Chatbox

Chatbox 是一款开源的 AI 客户端，旨在为用户提供便捷的本地化 AI 对话体验。它支持多种大型语言模型（LLMs），包括 OpenAI 的 GPT 系列、本地部署的模型（如 LLaMA、DeepSeek 等），并提供了一个直观的图形界面，方便用户与 AI 模型交互。

打开 Chatbox 官网（https://chatboxai.app/zh ）下载安装。

安装后打开客户端，从左下角点击“设置”，

• “模型提供方”选择 Ollama API，“API 域名”保持默认配置，无需更改，

• 它可以自动识别已通过 Ollama 安装的模型

• “上下文消息数量的上限” 默认是 20，调整到“不限制”

保存设置后，我们就可以在聊天窗口中和 DS 聊天了。

如果你有多个本地模型，还可以随时切换。

到这里为止，我们就顺利地在本地部署 DeepSeek。✿✿ヽ(°▽°)ノ✿

后记

我在两台电脑上跑了模型。

• 第一台是 8G 内存的 M1 版 Mac，我安装了 1.5B 和 7B 两个模型。由于配置较低，当与 7B 模型聊天时，电脑几乎“假死”，完全动不了了。😅

• 另外一台是 16G 内存 M4 芯片的 Mac min 安装了 14B，跑起来还是顺畅的。

ds-r1 1.5B 和 14B 的对比