DeepSeek 本地部署安装指南，让数据安全与 AI 体验双丰收

在 AI 大语言模型的激烈竞争中，DeepSeek 脱颖而出，以其强大的自然语言处理能力、出色的代码生成效果和流畅的多轮对话表现，成为众多 AI 爱好者和开发者的心头好。但用户在线使用时频繁遭遇到服务器繁忙的问题，而本地部署能有效解决这一困扰。接下来，让我们一起来探究DeepSeek如何进行本地部署，对比网络版又有什么差别。

本地版本和网络版本的优缺点对比

优缺点	本地版本	网络版本
优点	1. 数据隐私有保障，所有数据在本地处理，避免泄露，如企业处理机密文件更安全 2. 响应速度快，不依赖网络，在网络不佳或无网络时也能流畅使用 3. 灵活可定制，用户可根据硬件性能调整参数，开发者能优化模型满足个性化需求	1. 便捷易用，通过浏览器或应用程序即可访问，无需复杂安装配置，普通用户易上手 2. 无需硬件升级，只要有网络，无论设备配置高低都能使用
缺点	1. 硬件成本高，显卡需 GTX 1060（6GB）及以上等较高配置，可能需投入资金升级硬件 2. 技术门槛不低，部署涉及环境配置和模型调试，新手操作困难	1. 受网络限制，网络不稳定或拥堵时会出现加载缓慢、连接中断等问题，影响效率 2. 数据隐私存在隐患，数据上传云端处理，有隐私泄露风险

可以看得出DeepSeek 的本地版本和网络版各有优劣。如果你对数据隐私、离线使用和定制化有较高要求，且有一定的硬件和技术支持，那么本地部署更适合你；如果你希望快速使用、操作简单，且对数据隐私和定制化要求不高，网络版则是不错的选择。

DeepSeek本地部署的安装教程

准备工作：确保设备满足硬件要求，显卡GTX 1060 ( 6GB ) 及以上，推荐RTX 3060及以上；内存容量为8GB，推荐16GB及更高，C盘剩余存储空间20GB，推荐使用Nvme固态硬盘。

首先，前往Ollama官网中下载对应系统的程序。（ Ollama 是一款开源的大语言模型本地部署工具，官网地址：https://）

接着，在上方的搜索框中搜索到DeepSeek-r1。根据用户电脑配置去选择模型精度，随后复制右侧的代码。（以1.5b模型精度为例，代码则是ollama run deepseek-r1:1.5b）

DeepSeek模型有多个版本：1.5b、7b、8b、14b、32b、70b、671b，版本越高对GPU要求越高。不同模型精度适配不同的配置，详情可看下图：

模型版本	显卡配置
1.5B	非必需，若需 GPU 加速可选 4GB 显存的如 GTX 1650
7B	推荐 8GB + 显存，如 RTX 3070/4060
8B	推荐 8GB + 显存，略高于 7B 版本需求，如 RTX 3070/4060 也可满足基本需求
14B	16GB + 显存，如 RTX 4090 或 A5000
32B	24GB + 显存，如 A100 40GB 或双卡 RTX 3090
70B	32GB + 显存或多卡并行方案，如 2x A100 80GB 或 4x RTX 4090
671B	多节点分布式训练，如 8x A100/H100 或 AMD MI300X（192G，8 块）

然后，按下“Win+R”打开运行窗口，输入“cmd”打开终端，可先输入“ollama -v”命令查看Ollama程序是否已经安装好。

确认好已安装好程序后，再粘贴刚复制的命令，回车即可开始下载模型。

（注：不同的模型，大小不同，下载的时间也不同，后续若想卸载模型，只需将命令中的run改成rm即可）

部分用户可能会遇到模型下载速度缓慢的情况，此时有个小技巧，只需按下“Ctrl+C”停止下载，再粘贴上方的命令即可重新下载，且保持已下载的进度条。

部署安装完成后，即可在本地运行进行使用DeepSeek。

一些用户可能会觉得没有UI，使用起来不太方便，想要像网络版一样在浏览器上使用，可以下载一个名为Pageassist的浏览器插件。

（图片来源于Google商店）

本文图片/资料来源：