一键离线本地部署DeepSeek全模型 即使电脑小白也只需简单两步

近期，DeepSeek的热度居高不下，作为普通用户，该如何上手使用呢？当然，你可以直接使用官网Web端，或者是移动app端。但是，想追求更高的自由度、更丰富的使用体验，还是推荐本地部署。有人说那个是蒸馏模型，鼠标拙见，个人使用该模型，也完全能满足你的需求。今天，鼠标带来了一键离线全模型部署教程，部署全程，无需特别网络环境！

本地想运行使用DeepSeek模型，需要部署相应的运行环境，Ollama是个不错的选择，不光免费开源，且是真正意义上的一键部署。

1. 下载并安装Ollama

鼠标博客或官网下载Ollama，下载好后直接双击运行。点击install开始安装，接着就耐心等待安装。完成后，没有任何界面窗口，任务栏可以看见ollama图标。你也可以打开终端，输入ollama命令，来验证是否安装成功。

2. 下载&导入模型

• 如果你的网络环境允许，此时，我们就可以直接使用Ollama来下载模型，具体的命令和用法，可以访问鼠标博客查看。这不是本期视频要讲的重点，鼠标要讲的是离线导入全部模型。
• 鼠标博客下载一键导入模型包，因为包含了全部模型，所以体积有些大，耐心等待。
• 下载好后解压到文件夹，完成后进入解压的文件夹主目录，右键管理员运行一键导入全模型。
• 输入模型位置，建议选择一个空间较大的位置，格式为这样，文件夹可以不存在，脚本会自动创建，输入好后回车确认。
• 选择要导入的模型序号，用空间分隔序号，输入好序号后回车确认。不同模型，对电脑硬件的需求也不同，具体也通过鼠标博客查看，选择与硬件匹配的模型。
• 接下来，脚本会自动导入模型，因模型较大，导入时间可能有些略长。
• 全部导入完成，按任意键退出脚本。

官方版下载命令：

#下载deepseek-r1:1.5b模型命令
ollama pull deepseek-r1:1.5b

#下载deepseek-r1:7b模型命令
ollama pull deepseek-r1:7b

#下载deepseek-r1:8b模型命令
ollama pull deepseek-r1:8b

#下载deepseek-r1:14b模型命令
ollama pull deepseek-r1:14b

#下载deepseek-r1:32b模型命令
ollama pull deepseek-r1:32b

#下载deepseek-r1:70b模型命令
ollama pull deepseek-r1:70b

和谐版下载命令：

#下载deepseek-r1:7b模型命令
ollama pull huihui_ai/deepseek-r1-abliterated:7b

#下载deepseek-r1:8b模型命令
ollama pull huihui_ai/deepseek-r1-abliterated:8b

#下载deepseek-r1:14b模型命令
ollama pull huihui_ai/deepseek-r1-abliterated:14b

#下载deepseek-r1:32b模型命令
ollama pull huihui_ai/deepseek-r1-abliterated:32b

#下载deepseek-r1:70b模型命令
ollama pull huihui_ai/deepseek-r1-abliterated:70b

以下是不同参数量模型的本地部署硬件要求和适用场景分析。注：部分数据基于模型通用需求推测，具体以实际部署测试为准。

✅ DeepSeek-R1-1.5B

• CPU: 最低 4 核（推荐 Intel/AMD 多核处理器）
• 内存: 8GB+
• 硬盘: 3GB+ 存储空间（模型文件约 1.5-2GB）
• 显卡: 非必需（纯 CPU 推理），若 GPU 加速可选 4GB+ 显存（如 GTX 1650）
• 场景：低资源设备部署，如树莓派、旧款笔记本、嵌入式系统或物联网设备

✅ DeepSeek-R1-7B

• CPU: 8 核以上（推荐现代多核 CPU）
• 内存: 16GB+
• 硬盘: 8GB+（模型文件约 4-5GB）
• 显卡: 推荐 8GB+ 显存（如 RTX 3070/4060）
• 场景：中小型企业本地开发测试、中等复杂度 NLP 任务，例如文本摘要、翻译、轻量级多轮对话系统

✅ DeepSeek-R1-8B

• CPU: 8 核以上（推荐现代多核 CPU）
• 内存: 16GB+
• 硬盘: 8GB+（模型文件约 4-5GB）
• 显卡: 推荐 8GB+ 显存（如 RTX 3070/4060）
• 场景：需更高精度的轻量级任务（如代码生成、逻辑推理）

✅ DeepSeek-R1-14B

• CPU: 12 核以上
• 内存: 32GB+
• 硬盘: 15GB+
• 显卡: 16GB+ 显存（如 RTX 4090 或 A5000）
• 场景：企业级复杂任务、长文本理解与生成

✅ DeepSeek-R1-32B

• CPU: 16 核以上（如 AMD Ryzen 9 或 Intel i9）
• 内存: 64GB+
• 硬盘: 30GB+
• 显卡: 24GB+ 显存（如 A100 40GB 或双卡 RTX 3090）
• 场景：高精度专业领域任务、多模态任务预处理

✅ DeepSeek-R1-70B

• CPU: 32 核以上（服务器级 CPU）
• 内存: 128GB+
• 硬盘: 70GB+
• 显卡: 多卡并行（如 2x A100 80GB 或 4x RTX 4090）
• 场景：科研机构/大型企业、高复杂度生成任务

✅ DeepSeek-R1-671B

• CPU: 64 核以上（服务器集群）
• 内存: 512GB+
• 硬盘: 300GB+
• 显卡: 多节点分布式训练（如 8x A100/H100）
• 场景：超大规模 AI 研究、通用人工智能（AGI）探索

通过以上步骤，我们就在本地成功部署了DeepSeek，并导入了相应的推理模型。使用方法，鼠标推荐以下几种，当然，你有更优的方法，欢迎留言。

1. 控制台使用

• 打开控制台，输入如下命令运行DeepSeek模型，后面就是你模型的名称。

ollama run deepseek-r1:7b

• 如视频中提示，我们就可以直接输入问题提问了。

2. 客户端使用

• 鉴于部分同学，还是不习惯控制台使用，鼠标推荐这款免费开源AnythingLLM，它具体是什么，有兴趣的可以百度下，这里咱们使用它可以实现客户端提问。
• 鼠标博客或官网下载AnythingLLM，并将其安装在电脑，过程很简单，这里不赘述。过程中，可能会下载LLM模型，咱们用不上，介意的可以断网安装。
• 软件安装好后，主界面点击这里，一直跳过到这里，工作区随便明明。
• 进入软件主界面，点击工作区后的设置-聊天设置，工作区提供者下拉选择ollama，聊天模型选择我们导入的DeepSeek模型，最后点击底部这里保存。这里操作的前提，保证ollama已经运行。
• 回到工作区，我们就可以对DeepSeek提问了。

3. Web端使用

• 有的同学会说，客户端安装有点麻烦，可否直接使用Web端？当然可以，鼠标博客或者浏览器插件商店下载并安装Page Assist。
• 启用Page Assist，并让其固定在浏览器工具栏。
• 工具栏点击Page Assist进入Web端主页，通过设置-一般设置，把语音识别语言和语言改成简体中文。
• RAG设置，文本嵌入模型，选择我们导入的DeepSeek模型，最后点击保存。这里操作的前提，也是需要保证ollama已经运行。
• 回到聊天界面，上方下拉选择DeepSeek模型，此时我们就可以对他进行提问操作了。

官方DeepSeek模型，设置一些敏感筛查机制，这就导致一些敏感问题，它不会回答你。所以，鼠标准备了一组和谐版的DeepSeek模型，给有需要的同学使用，导入方法和官方一样，防止视频被和谐，这里就不多做说明了。有兴趣的同学，可以在鼠标博客下载体验。

以上，鼠标演示了如何一键离线部署DeepSeek R1。不夸张的说，即使电脑小白，也能无脑部署，可谓有手就行。当然，你有更简便的方法，可以评论区留言哟！本期视频就到这里，谢谢观看！