2025年开年DeepSeek的异常火爆，引起了全民关注，但是信息差无处不在，这样的先进的人工智能大模型，很快就变成网络搬运工们牟利的工具，像“DeepSeek本地部署教程”、“DeepSeek保姆级入门指南”等资料某鱼上交易火爆。
有的朋友电脑配置比较高，希望能将DeepSeek进行本地化部署，方便深入学习研究DeepSeek；也有电脑配置不那么高的朋友，听说最低四核CPU,8G内存，4G显存的中古电脑配置就能“玩票”，从此告别“服务器繁忙，请稍后再试”，而跃跃欲试。
这里我也准备为大家消除信息差，免费分享如何本地化部署DeepSeek的保姆级教程，让大家最大限度免费用上高效率生产力工具。
但在实操前，我想先给大家补补DeepSeek大模型的一些基础知识，让大家了解一下各版本DeepSeek的区别。
首先，我们口中的DeepSeek是人工智能基础大语言模型，有三大模型分支，一是“V3”，另一是“R1”，还有一个是大家不常见到的“R1-Lite”。这就相当于“快刀”与“重剑”的区别：
V3：1秒响应的“百科管家”，适合查资料、写文案、做计划，但别让它算微积分，它会假装思考然后胡说八道。
R1：3分钟深度推理的“学术大佬”，写代码、解数学题、分析财报时必开，曾有程序员靠它找出祖传bug，绩效怒涨30%。
至于R1-Lite，其实只能算阉割版的R1，轻量级推理、快速原型验证，功能尚未完全释放，仅限网页交互。
由此可见，V3并不稀奇，像豆包AI、文小言、智谱清言都有类似的功能，真正让大家感兴趣的，还是R1模型。但大家可能经常听说什么R1-7B、R1-32B……还有什么”满血版”，这里就给大家简单介绍一下。
DeepSeek背后用了多项技术，其中有一项是被广泛应用在深度学习大模型训练中的蒸馏技术，大模型蒸馏技术是一种将大型模型（教师模型）的知识迁移到更小、高效模型（学生模型）中的方法，通过微调训练使小模型在压缩规模的同时保持高性能，从而提升推理速度、降低资源消耗。DeepSeek-R1-671B就是教师模型，也就是常说的满血版，而70B、32B、14B、8B、7B、1.5B这些都是通过若干次蒸馏后产生的徒子徒孙，编号数字越大，能力越强，但对算力资源的要求也就越高。像最低版的1.5B，本地化布置后你会觉得它很傻，而你如果能布置32B和70B，就比较接近官网的水平了，一般至少要布置14B的，才会有比较好的体验。
1.5B：CPU最低4核，内存8GB+，硬盘3GB+存储空间，显卡非必需，若GPU加速可选4GB+显存，适合低资源设备部署等场景。
7B：CPU 8核以上，内存16GB+，硬盘8GB+，显卡推荐8GB+显存，可用于本地开发测试等场景。
8B：硬件需求与7B相近略高，适合需更高精度的轻量级任务。
14B：CPU 12核以上，内存32GB+，硬盘15GB+，显卡16GB+显存，可用于企业级复杂任务等场景。
32B：CPU 16核以上，内存64GB+，硬盘30GB+，显卡24GB+显存，适合高精度专业领域任务等场景。
70B：CPU 32核以上，内存128GB+，硬盘70GB+，显卡需多卡并行，适合科研机构等进行高复杂度生成任务等场景。
而像满血版的671B对算力要求更高，需要建设一个算力中心才能带动，虽然DeepSeek通过算法优化，对算力的依赖远远低于GPT、Claude等，但也不是普通中小企业负担得起的。
话入正题，下面就给大家介绍如何在本地电脑上部署DeepSeek，让大家即使在无网络的情况下，也能使用这一先进生产力工具。
一、安装Ollama
Ollama 是一个轻量级的本地AI模型运行框架，可在本地运行各种开源大语言模型（如Llama、Mistral等）
下载网址：ollama.com
选择电脑操作系统对应的版本
下载
安装之后，Ollama已经运行了，它是CMD命令工具，我们可以在命令行输入ollama来验证，是否安装成功
。
安装之后，按win+r，就会弹出这个窗口：
会出现这个界面
回到ollama的官网，选择模型
我的显卡是4060ti 16G，对应选择14B模型，大小有9G
之后就是看着下载进度，进入等待
