我是使用Ollama+Cherry-studio组合工具，在本地电脑部署了DeepSeek R1 7B，支持图形界面操作，靠CPU撑着运行，如果你硬件好建议部署更高参数的，比如14B。
整个部署流程下来大概1个小时，主要是下载速度慢，其他还好。
最近DeepSeek由于受到大量DDOS攻击，加上访问过热，总是会出现服务器繁忙、无法加载的情况，在本地电脑部署DeepSeek R1模型成了大家的plan b，我测试的效果图如下。
下面会讲到部署本地LLM（大模型）需要的软件，以及相应的电脑配置，这里以DeepSeeK R1各种版本为例。
软件配置我选择了Ollama作为本地运行LLM的工具，这是一个非常出名的开源软件，Github上有12万Star，主要用来在本地电脑设备下载、部署和使用LLM。
Ollama提供了丰富的LLM库用于下载，比如llama、qwen、mistral以及这次要使用的deepseek r1，而且有不同的参数规模用于选择，适配不同性能的电脑设备。
Ollama虽然支持直接使用LLM，但是仅能在命令行来对话，交互功能不尽人意，所以我会使用Cherry-studio来作为前端交互，以Ollama作为后台，来和LLM对话，这就和日常使用的DeepSeek APP类似了。
Ollama交互界面：
Cherry-studio交互界面：
电脑配置要求很多人担心在本地部署DeepSeek R1，是不是对电脑性能有很高要求，比如CPU、GPU、内存等。
其实不用担心，不同参数规模的模型对电脑性能要求不一样，部署DeepSeek R1 8B规模以下的模型不需要独显也可以运行。
我部署的是7B模型，电脑系统windows 11，配置CPU Intel(R) Core(TM) i7-12650H 2.30 GHz，内存16GB，没有独显。
这里科普下，LLM参数规模是指什么，所谓7B是指该模型大约有 70 亿（7 Billion）个参数，参数代表里模型训练过程中需要学习的数值，参数越多，模型能够理解更复杂的信息，给出的回答也越准确和全面。
以下是基本的要求，可以对号入座。
R1模型版本
CPU
GPU
内存
存储
1.5B
Intel Core i5/AMD Ryzen 5 及以上
无强制要求，有 1GB 及以上显存可提升性能
最低 8GB，推荐 16GB+
至少 10GB，建议留更多缓存空间
7B
Intel Core i7/AMD Ryzen 7 及以上
无强制要求，有 4GB 以上显存更好，推荐 8 - 12GB
最低 16GB，推荐 32GB+
至少 12GB，建议 30GB+
8B
Intel Core i7/AMD Ryzen 7 及以上
无强制要求，有 4.5GB 以上显存更好，推荐 8GB+
最低 16GB，推荐 32GB+
至少 12GB，建议 30GB+
14B
Intel Core i9/AMD Ryzen 9 及以上
8GB 以上，推荐 12GB+，如 RTX 3080 及以上
最低 32GB，推荐 64GB
至少 15GB，建议 50GB+
32B
高端多核，强多线程处理能力
18GB 左右，建议 24GB+，如 NVIDIA A100
32GB+，推荐 64GB+
至少 20GB，建议 80GB+
70B
服务器级 CPU，如 Intel Xeon 系列
40GB 以上，如 NVIDIA H100
64GB+，推荐 128GB+
至少 30GB，建议 200GB+
具体部署流程见我写的专栏文章，手把手教学，非常详细：