前几天小编已经给大家写了关于DeepSeek官网服务器繁忙可以使用第三方平台解决的相关文章，今天给大家再提供一个解决方案——本地部署，这样就算是电脑没联网也可以放心使用！
在做本地部署时有哪些踩坑点，后文会提到，跟上步伐，仔细阅读哦~
废话不多说，直接上教程
1
第一步：下载安装Ollama
Ollama:
在本地运行 Mistral、Llama 3.3、DeepSeek R1 等大语言模型的开源工具。
主要优势：
一行命令搞定大模型部署；
完全本地运行，保护隐私；
支持 Mac、Windows、Linux 系统，快速上手；
响应速度快，支持GPU加速（GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。我们通常就叫它显卡）。
官方网址：https://ollama.com/
登录Ollama官方网站，点击“Download”,进入下载页，有3个版本：Mac,Linux,Windows版本。为普及使用，小编选择下载Windows版本，后文教程均为Windows版本本地化安装和部署。
注意：Ollama的仅支持Windows10或更高的版本。
如果出现官网下载速度巨慢或者页面打不开等问题，可以使用加速器
海豚加速器
加速器里搜索DeepSeek,点击一键加速，加速DeepSeek以后点击右边的Ollama一键下载，你会发现下载速度超快。
下载完成之后，安装，默认安装C盘。
验证是否安装成功
快捷键“ Windows+R ”, 打开“cmd”命令窗口，“确定”
跳出上图窗口，在终端输入“ollama -v”
出现版本号“ollama version is 0.5.7”，即为安装成功
2
第二步：下载DeepSeek模型
再次进入Ollama的官网主页，点击“Models”,选择“deepseek-r1”
进入到deepseek模型的下载主页，deepseek-r1目前主要有1.5b、7b、8b、14b、32b、70b、671b，这几种不同量级的开源模型。开源模型参数量越大意味着你得到的回答的质量也就越高，所需要的GPU资源也就越高。
这里给大家一个相关配置表供参考：
只要 GPU 等于或超过 VRAM 要求，模型仍然可以在规格较低的 GPU 上运行。
在此小编建议安装7b以上的版本，后文会给大家展示1.5b与14b两种不同参数，对话效果有何区别。
踩坑提示：在此先建议大家可不必安装1.5b版本，后文会提到原因
帮大家踩坑，小编先选了1.5b版本，确认模型之后，把对应命令“ollama run deepseek-r1:1.5b”复制粘贴到cmd终端，回车，等待模型下载完成，自动运行。
当看到出现“success”的提示时，恭喜你，已经完成deepseek本地版部署啦。
再用同样的操作安装14b版本，安装14b版本很明显时间要久一些，请耐心等待~
我们用1.5b版本来试下与AI的对话效果，在终端输入你的对话内容，如：“你是美食博主，请写一个夏日清爽食谱的公众号文章用，轻松愉快快的语言风格进行书写”，来看看效果：
这个方法对性能要求很低，但需要熟悉命令行操作，模型的兼容性也有限，更适合进阶开发者实现高级操作。
对初级者来说，在终端使用这种命令行式的方式进行对话，体验不太好。所以在这里小编要推荐第三方工具，使得我们与AI的对话页面能实现DeepSeek官网中的对话样式。
这个时候我们还没感觉到1.5b版本坑在哪，接下来安装第三方工具再进行测试就清楚啦~
3
第三步：下载安装第三方工具Cherry Studio
Cherry Studio:
是一款开源的多模型桌面客户端，支持 Windows、macOS 和 Linux 系统，可集成 OpenAI、DeepSeek、Gemini 等主流 AI 云服务及本地模型。通过 Ollama API，Cherry Studio 能高效调用本地模型，实现数据隐私保护和快速响应。用户可以方便地切换不同模型，进行多模型对话，适合写作、编程、设计等多领域，并实现窗口式的大模型对话效果。
官方网址：https://cherry-ai.com/
下载客户端，进行安装，安装完成后，点击左下角“设置”，“模型服务”选择“Ollama”。
右上角开关打开，再点击“管理”
弹出如下界面：
再添加前面下载的deepseek模型，然后回到首页的对话界面，这时就可以和deepseek进行对话了
4
第四步：模型测试
我们来测试两个模型对话效果有什么区别，给AI一个小题目测试一下回答的效果。举一个简单的题目：一个挂钟敲六下要30秒，敲12下要几秒？正确答案是66秒。
首先选择1.5b这个模型进行对话。可以看出回答速度非常快，但输出的答案很啰嗦，答案也不准确，很容易误导人。这就是小编前文为何建议大家可不必安装1.5b的原因
后面还有一大串的回答，我有点无语
，这里小编就不截图出来了~
接下来再看一下14b模型的结果，回答得很简洁，而且结果正确。
5
总结
由此我们也可以得出，参数量越多的模型，回答的质量也就越高、越准确。不过，即使你使用了70b参数的版本，它也不是官网使用的deepseek r1，因为官网使用的是671b的纯血版deepseek。
在本地运行该模型，至少需要4块80G显存的A100显卡。这个对于个人来说成本太高。所以，我们在本地运行选择缩小版模型。
对于个人使用来说，8b、14b、32b的版本其实已经完全够用了，特别是在断网的情况下，它依然可以正常工作，而且不会出现服务器繁忙的情况。这一点是在线版本无法比拟的哦。
今天的干货输出到这~
希望以上提到的踩坑点与部署教程对你有帮助哦~
如果你对AI应用感兴趣，可以扫描添加文章开头的二维码，添加老师微信沟通哦
