来源：雷科技AI硬件组 | 编辑：三明治

在我看来，2025年绝对能称得上是中文大模型的颠覆之年。

DeepSeek的横空出世，不仅打破了英伟达主导的“算力决定一切”的刻板印象，也打破了美国在大模型领域的长期主导地位，甚至一度挑起了全球大模型领域的价格战，让更多的人能够体验到大模型带来的乐趣。

至少从抖音、快手上的反应来看，对普罗大众而言，DeepSeek的出现确实把“人工智能”这样一个遥不可及的概念带到了人们身边。

哪怕是我这个浸淫大模型两年半的雷科技练习生，在过年期间不仅没少给身边的父母亲戚介绍这DeepSeek到底是什么，自己也是时不时就拿起手机来玩一下，没办法，能在不要钱的基础上提供这种问答质量的中文大模型，目前也就DeepSeek能做到了。

要说有什么问题嘛，还得是这服务器的问题了。

特别是我这边发出请求，然后看着DeepSeek在那里转个半天，最终却只能憋出个 “服务器繁忙，请稍后再试” 的时候，那种挫败感是真的难受，让人迫切想要在本地部署一个属于自己的DeepSeek推理模型。

问题就出在成本上，按照常理来说，想要购入一台能在本地运行大模型的设备，那要不就是售价在5000元以上的AI PC笔记本，要不就得自己着手去装配一台搭载独立显卡的整机，不管哪个选择对普通消费者来说都不够友好。

不过将预算压缩到极致，然后搭配出一套「能用」的主机，正是每一位DIY玩家的终极乐趣，而这给我带来的挑战就是，如果真的想弄一台可以本地运行DeepSeek模型的电脑，到底需要多少钱？

我的答案是，400元。

尽管近期正经的内存和硬盘有价格上涨的趋势，但是在洋垃圾这边其实价格变化倒是不大，甚至一批早年的洋垃圾CPU和矿卡GPU还有价格下跌的趋势。在如今大模型潮流席卷而来的背景下，我甚至不准备拘泥于办公影音需求，决定挑战一下用四百块钱的预算，试着去打造出一套性价比颇高的入门级本地大模型主机。

至于具体应该怎么操作，最终成效是否如意，跟着我一起看下去自然就知道了。

越陈越香的洋垃圾

既然说了要在400块内搞定，那么如何在尽量低的价钱内完成整机的装配就变得至关重要了。

在CPU的选择上，我直接从PDD上捡了一颗 Intel® Core™i3-4170 ，售价22元。

该处理器为二核四线程，3.7GHz主频，没有睿频能力，具备3MB智能缓存，采用22nm制程工艺的Haswell架构，而它最大的特点就是拥有一颗HD4400核显，这也是我选择它的关键。

（图源：PDD）

俗话说得好，低价U配低价板嘛。

所以主板的话，我就选择购入了一块 铭瑄MS-H81M Turbo ，只有两根DDR3内存插槽不说，甚至都没有HDMI输出接口，也没有M2硬盘位，USB 3.0、SATA III接口都只有两个，但是它在PDD上面只要79块钱。

这加起来仅需100左右的板U套装，性价比放在今时今日也是出类拔萃的。

（图源：雷科技）

这种CPU，散热就不用太担心了。

PDD上面14.9包邮寄过来的双热管风冷散热器，虽然外观上是丑了一点，简陋了一点，但是用来压我这一套超低价配置肯定是绰绰有余了。

（图源：雷科技）

至于显卡嘛，近期闲鱼上面流出了一大堆P106-090和P106-100矿卡，其中前者的价格普遍在70块钱左右，后者的价格普遍在120-140块钱左右。

两者之间最大的差别在显存上， P106-090仅有3GB显存，而P106-100则有6GB显存 ，尽管我这次的初衷并不是为了游戏而来，但是更高的显存规格确实可以运行更高效的本地大模型，所以我最终还是拿下了一张技嘉的P106-100，售价130元。

（图源：雷科技）

最后，给它简单配上两根杂牌DDR3内存，组成内存双通道，用一个300W长城电源供电，一块120GB SATA SSD做系统盘，用上次装机剩下来的大水牛硅脂凑合凑合，最后再配上个20块钱的电脑城小机箱...

完成！请欣赏一下我用四百元装机的成果吧。

（图源：雷科技）

然后是我给出的参考价格表，感兴趣的大伙也可以试着照这张表格上的配置自己配一下，总之价格上不会差太多。

你要是更追求性价比的话，甚至把机箱换鞋盒也不是什么大问题。

（图源：雷科技）

装机完成，点亮主机！

先做个简单的性能测试，作为多年服役的老将，Intel® Core™i3-4170的性能也就那样，即便是在用TrottlesStop解锁功耗的情况下，也就差不多相当于移动端酷睿六代、酷睿七代处理器的水平。

（图源：雷科技）

在实测环节中，CPU-Z测试单核跑分有373.4分，多核跑分有1025.2分，在CINEBENCH测试标准下，CINEBENCH R20多核824cb、单核346cb，CINEBENCH R23多核1914cb、单核905cb。

亮眼肯定是不够亮眼，但是拿来日常办公、轻度娱乐倒是够了。

（图源：雷科技）

再看看GPU部分，我手上这张技嘉P106-100采用16nm工艺打造，显卡核心为GP106，核心频率为1506MHz，可提升到1709MHz，具有1280个着色单元，支持DirectX12，显存规格为6144MB/192Bit GDDR5内存，显存频率可达2002MHz。

在测评DX11性能的Fire Strike测试中，P106-100在Extreme测试中取得了6490分的图形分数；在测评DX12性能的TimeSpy测试中，P106-100在基本测试中取得了4428分的图形分数。

（图源：雷科技）

这个性能表现和GTX1060差不多，甚至能和移动端RTX 3050碰一碰了。

存储方面，我们斥资40元购入的这块杂牌128GB SATA SSD硬盘，顺序读写速度达到505.24MB/s和369.63MB/s，随机4K读写达到132.06MB/s和246.55MB/s，虽然和M2 SSD硬盘没得比，但是作为系统启动盘肯定是绰绰有余了。

（图源：雷科技）

至于这对双通道的DDR3内存，使用AIDA64进行内存缓存测试，测得的读取速度为18557MB/s，写入速度为19889MB/s，复制速度为17914MB/s，延迟为67.2ns，给这台电脑用可以说是刚刚好。

（图源：雷科技）

百元机，用上DeepSeek

既然目的是在几百块钱的预算下，打造出一套可用的本地DeepSeek主机，那么体验肯定是我们最关注的一环。

首先，要说真正的DeepSeek-R1，那便只有一个版本，即671B的原始版本，其中包含大量的参数，推理精度确实高，但需要大量计算资源，而且显存至少为1342GB。

（图源：HuggingFace）

这显然是P106-100承受不起的，也没有哪张消费级显卡能承担得起就是了，官方推荐的方法是用16张NVDIA-A100 80GB显卡，或者是组成Mac电脑集群，用高速度的统一内存去跑。

像我们这种消费级显卡，就只能用 “蒸馏模型” 。

所谓蒸馏模型，可以看成“老师教学生”，通过知识蒸馏，教更精简的模型学会复制较大模型的行为，扩充性能，减少资源需求，而用DeepSeek-R1蒸馏的话，主要就是给这些模型加入“深度推理”的概念。

再降低一下模型精度，就能看到我们能够部署的蒸馏模型。

（图源：HuggingFace）

然后根据Unsloth提供的报告，DeepSeek-R1-Distil-Qwen-7B是符合需求的蒸馏模型中表现最出色的，各方面测试成绩均超越了理论参数更多的DeepSeek-R1-Distil-Llama-8B。

那么我们今天要部署的，自然就是 DeepSeek-R1-Distil-Qwen-7B 。

目前想在PC本地部署DeepSeek有两种办法，其中最常见的应该是 Ollama+Chatbox AI 的组合。

所谓Ollama，其实就是一款比较流行的本地大模型服务端工具，部署起来也很简单，只要在Ollama官网搜索DeepSeek-r1，下面就会有不同大小的蒸馏模型渲染，然后搭配客户端启动就行了。

（图源：Ollama）

安装后，Ollama一般就在本地的11434端口开启服务了，但此时你只能在终端中进行交互，但是要获得像DeepSeek官网一样的体验，还是需要额外的前端客户端才行。

而Chatbox AI，就是最常见的一款前端产品。

不同于服务端的纯文字内容展示 ，Chatbox AI将大部分设置、功能进行了图形化，使用户的体验更加直观，而且这款产品支持众多本地AI模型和API接口，自然也可以使用本地Ollama 11434端口的服务。

接入之后，大概就是这个样子。

（图源：雷科技）

你可以在Chatbox AI定义自己想要交互的模型人设，

但要论角色扮演的话，第二种部署方法或许会更适合一点。

为你介绍Koblodcpp，这是一款 整合Koblod.AI界面的llamacpp启动程序 ，可以运行目前外网流行的GGUF格式本地大模型，甚至可以整合语音大模型和绘图大模型，实现在对话的同时，生成语音和对应场景的效果。

只要在HF-Mirror下载对应的大模型，然后就能用Koblodcpp启动了。

（图源：雷科技）

使用Koblodcpp，你就可以加载通用格式的角色卡，实现和各种不同的角色对话交流的独特体验。

如果这还不够，你还能够借助Koblodcpp的端口部署 SillyTarven ，后者是目前全网公认的最好用的大模型角色扮演前端，能够帮助用户实现对话逻辑的定义，对用户自身人设的定义，加载补充世界观的Lorebook和载入图片、动图以及互动代码来完善角色扮演体验。

甚至...可以让DeepSeek实现破限，做到一些云端大模型做不到的事情。

简单介绍完部署方法后，接下来就该进入实测环节了。

用一些常规问题和它进行交互，就能看到详细的推理过程，应付一些正经的初高中语文、数学、英语问题，本地部署的DeepSeek体验起来还是不错的。

（图源：雷科技）

询问一些关公战秦琼的问题，文学创作能力看起来也不赖。

（图源：雷科技）

不过在比较复杂的数学、逻辑难题里，本地部署的DeepSeek表现就比较一般了，有不少逻辑推理题甚至会出现算不出答案的情况。

（图源：雷科技）

因为没有联网的缘故，目前本地部署的DeepSeek模型的知识库是截至2023年的，没有比较新鲜的素材，因此一些有时效性的问题自然无法作答。

（图源：雷科技）

至于速度的话，在限制回复长度为1024代币的情况下，应付一道高中数学题的思考过程为127s（即两分钟）左右，这个速度和原版DeepSeek之间差别不大，深度思考的特性让本地和云端的体验大大拉近。

（图源：雷科技）

当然了，因为思考太长的原因，本地部署的DeepSeek确实就不大适合聊天用了，喜欢聊天的建议更换Casuallm大模型进行体验。

总结：低配置也能跑，

但稳定性欠佳

优点：

1、成本预算低廉；

2、确实能运行本地大模型。

缺点：

1、二手零部件无保障；

2、矿卡驱动非常容易掉，白屏问题时有发生。

论性能，这款预算不到400元的电脑主机其实还不错。

尽管CPU规格老旧、矿卡表现不稳定，但是这台廉价主机确实能完成DeepSeek本地大模型的部署，在组装完成后的这段时间里，它一度成为公司局域网内部的AI终端，还可以部署本地AI绘图等一系列能力，算是实至名归的AI PC。

虽然没有具体测试，但是近4500分的TimeSpy图形分，即便是《孤岛惊魂6》这样的3A大作，这款机子也能在FHD低画质下保证60帧稳定运行，应付《英雄联盟》这类网游应该是绰绰有余的，也可以当一台入门的游戏主机来用。

说是这么说，问题当然还是有的。

先说这台机子，为了搞好这台机子我也是前后折腾了半天。