深度求索人工智能基础模型（简称“深度求索”或“DeepSeek”）是由深度求索（北京）科技有限公司开发的国产大语言模型。该模型基于深度学习技术，具备理解和生成人类语言的能力，可广泛应用于文本生成、对话交互、问答系统等领域。

DeepSeek-R1 是深度求索公司推出的具体模型版本，具备高性能的自然语言处理能力，能够处理复杂的文本生成任务，理解和生成自然流畅的文本，适用于多种应用场景，帮助用户高效完成各种任务。

虽然云端部署成本更低，很多服务商甚至提供了一键部署选项，Deepseek 官方也提供了网页/APP 访问，但我们仍有几个理由来进行本地部署:

简单的学习部署方法与应用，输入代码/选择模型的时候，看到一些参数/名词然后搜索一下或者直接问大模型这些名词/参数是什么意思，也是理解 AIGC 的一种方式(请自行搜索什么是 AIGC)

本地 AI 不依赖网络，部署完成后可以断网使用(不会出现某些软件/APP 结果自动加马赛克的问题)

数据私密/安全性

当然从成本和性能来说，云端部署成本更低，也支持部署更大参数量的模型。受限于大部分用户的 RAM 和显卡显存大小，本地是不太可能部署诸如671B 参量的完整模型的。

在大型语言模型（如深度求索的 DeepSeek-R1）中，参数是指模型内部用于表示和处理信息的变量。这些参数是模型通过训练学习到的数值，用于描述模型如何将输入转换为输出。

简单来说，参数的数量决定了模型的复杂性和能力。一般来说，参数越多，模型的表达能力越强，但同时也会消耗更多的计算资源和内存。

例如DeepSeek-R1-Distill-Qwen-7B-Q8，这里的 7B 就是参数量为 7Billon(70亿)，而 DeepSeek-R1-Distill-Qwen-14B-Q8 的参数量为 14Billon(14亿)。（这里的 Qwen 指本模型基于 Qwen 大模型进行蒸馏得来)

量化的详细概念超出本文范畴，但下载/部署模型的时候，会有很多不同量化参数模型可供选择，我个人一般选择 Q8 来获得相对更高的精度。

Q 值越大模型文件大小和所需的 RAM/显存就越大，在零刻官方基于 SER9 Pro 系列机器测试 AI 性能的数据中，可以看到相同模型不同 Q 值所占用的 RAM 值。

我这里使用的是零刻 SER9 Pro，配置为 AMD AI 9 H365 + 32GB LPDDR5x + 1TB SSD，一般主流 16GB/32GB 的机器都可以正常安装和使用7B/14B 模型。

这里我直接把问题丢给了 DeepSeek R1，它的回答其实是比较准确和清晰的，我们需要简单的记住 token 生成速度(token/s)越快，生成答案的速度也就越快。

可以简单的人位蒸馏是一种压缩算法，它不是通过训练一个参数量较小的模型，而是将一个训练参数量更大的模型蒸馏为一个较小的模型。较小的模型可以使用更少的 RAM 和存储，获得更快的速度，降低部署的成本。

但蒸馏毕竟是一种类似压缩的方式，蒸馏后的相对小体积的模型能力必然是落后于更大体积的模型，以 DeepSeek-R1 官方在 AIME2024、MATH-500、GPQA、LiveCodeBench、CodeForces 等测试下的结果，可以看出随着整理模型由 32B → 14B → 7B → 1.5B，得分是依次降低的。

但好消息是DeepSeek-R1-Distill-Qwen-32B 已经超越了 OpenAI o1-mini，而体积更小的 DeepSeek-R1-Distill-Qwen-14B 和 32B 差距并不大，DeepSeek-R1-Distill-Qwen-14B 模型所需的 16GB 内存或是显存获得的成本也并不是非常高。

目前我使用的机器是零刻的 SER9 Pro，CPU 是 AMD AI9 365，GPU 部分是集成的 880M 核显，32GB 总内存。从速度上来说纯 GPU 模式会比 CPU 更快，但如果分配的显存不足，一旦从专属显存溢出到通用内存，生成速度(token/s)会受到比较明显的影响。

考虑到我这台机器并不只是运行 AI，日常也有办公、游戏、娱乐等需求，我目前使用的方案是将32GB 内存划分 16GB 给核显。模型部分则使用DeepSeek-R1-Distill-Qwen-14B(-Q8)，这样既能兼顾日常使用，同时也可以有比较大的显存供 LM Studio 和 Amuse 使用。

另外零刻官方基于 LM Studio，测试了 SER9 Pro 系列两款机器，纯 CPU、纯 GPU 模式下生成 token 的速度，大家可以参考一下。

需要说明的是 token/s 计算是存在一定误差的，这里对比了同样 GPU 模式下零刻 SER9 Pro HX370 和 H365 的成绩，相对规格稍低的 SER9 Pro AI 9 H365 生成速度比 HX370 更高，这部分差距应该就是测试误差造成的。不过反过来也说明 SER9 Pro AI 9 H365 的性能和规格稍高的 SER9 Pro HX370 基本是属于同一水准。

另外由于 AI 9 系列 CPU 性能很强，在DeepSeek-R1-Distill-Qwen-14B-Q2 测试里，无论是 AI 9 HX370 还是 H365，CPU 生成速度都是略快于 GPU 的。如果你使用 Q2 之类的模型，或者是 7B-Q8，那么纯 CPU 模式效果会更好。

Ollama 和 LM Studio 都是比较方便的部署工具，不过对于初学者个人更推荐 Ollama，虽然使用 Ollama 要输入命令行。但是以实际体验来说，Ollama 的网络访问更通畅，无需换源或是对网络有额外的要求(这部分不是能说的)。软件安装也非常简单，直接官网下载后，一路下一步确认即可完成安装。

模型部分可以直接在顶部搜索栏搜索，也可以在下方主页点击模型名称进行跳转。

Windows 系统下有两个工具自带工具可以使用 Ollama，分别是传统的 CMD 和更新一些的 PowerShell，方法如下:

Win 键，输入 CMD，打开 CMD/命令提示符

Win 键，输入 PowerShell，打开 Windows PowerShell

以 CMD 为例，打开 Ollama 后输入 "ollama" 后回车，应该可以看到如下图这样多行的提示。

安装/运行模型的命令可以直接在 Ollama 的官网复制，在网页上先选择模型参数量，再点击右侧的复制按钮。回到 CMD 内，CTRL+V 快捷键粘贴命令，回车后即可开始下载/运行对应模型。

例如，我这里安装 DeepSeek-R1:14b，直接输入如下命令运行即可:

ollama run deepseek-r1:14b (注意单词间的空格)

第一次运行后下方会显示下载(pulling xxxx)，下载完成后会自动运行该模型，已经下载过的模型则会直接运行了。(也就是对于 ollama 而言 run 即可用于下载也可以用于运行)

如果想要查看本机已经安装的模型，直接输入 ollama list 然后回车即可。

如何计算 token 生成速度?方法是加一个命令 --verbose，比如运行命令是:

ollama run deepseek-r1:14b

如果要计算生成速度，那么就修改为:

ollama run deepseek-r1:14b --verbose (注意是两个-)

在生成答案结束后，会紫铜统计总用时、生成速度(eval rate)等信息

当然使用命令行只是为了安装大模型，实际调用时更建议使用单独的 UI 类工具，比如常用的 Chatbox。作为一款免费的工具，Chatbox 可以支持 Ollama 在内很多 API 的调用，无论是本地部署还是云端部署，Chatbox 都是一款值得考虑的助手类工具。

Chatbox 的安装方式也没有太多可说的，官网下载然后一路下一步即可，再配置 Chatbox 之前，建议先打开浏览器，输入:

127.0.0.1:11434 (主要这里:是英文符号)并回车访问

如果看到 Ollama is running 的字样，说明 Ollama 已经在后台成功运行。

这时打开 Chatbox，选择——使用自己的 API Key 或本地模型

因为我们是本地通过 Ollama 部署，所以这里选择——Ollama API

Chatbox 默认就会填入 Ollama 的 API 域名，如果你是使用局域网设备部署，则需要替换 127.0.0.1 为对应主机的 IP 地址。页面内还需要选择模型，这里点击下方模型选择对应 Ollama 内的模型文件名(例如这里我是调用上面安装的 deepseek-r1:14b)即可。

然后在界面内，输入问题等待生成回答即可，一般没有意外这里就可以正常使用了。

Chatbox 本身也支持其他很多 API，包括但不限于本地 LM Studio，云端各种主流云服务，这部分内容大家可以自行挖掘，本文就不再赘述了。