DeepSeek-R1大模型本地化部署

在全类别大模型的激烈竞争中，DeepSeek-R1大模型平均其卓越的性能，在各大模型中鹤立鸡群。不仅如此，在风格控制类模型的分类排名中，DeepSeek-R1和行业巨头OpenAI的o1模型并驾齐驱。DeepSeek-R1的Arena得分高达1357分，超越OpenAI o1的1352分，虽细微的差距，彰显了DeepSeek r1的技术精进。

Ollama作为一款便捷的模型运行工具，为DeepSeek-R1大模型本地化部署提供新的方法。今天，就来详细讲解如何利用Ollama 实现DeepSeek-R1大模型的本地化部署。

ollama

ollama 是一个致力于简化大模型运行的开源项目，它可以在本地轻松运行多种大模型。其具有简单易用的命令行界面，即使是新手也能快速上手。而且，ollama 支持自动下载和管理模型，极大地提高了模型部署的效率。同时，它对硬件资源的利用也较为高效，能在不同配置的设备上较好地运行，为大模型本地部署降低了门槛。

DeepSeek R1结合ollama部署优势

简化部署流程：传统的 DeepSeek -R1 大模型本地部署需要繁琐的环境配置和依赖安装，而借助 ollama，很多复杂的步骤都被简化，只需几条简单的命令，就能完成部署。

更好的兼容性：ollama 对多种系统和硬件环境有良好的兼容性，能适配不同的设备，让更多人可以顺利将 DeepSeek-R1 大模型部署到本地。

快速迭代：ollama 方便模型的更新和切换，当 DeepSeek-R1 大模型有新的版本发布时，可以通过 ollama 快速进行更新，始终保持使用最新的模型能力。

部署步骤

1、安装ollama

浏览器打开 https://ollama.com

根据自己的系统，下载对应的ollama工具，

我这以windows为例，等下载完毕后，双击下载文件，即提示安装，安装过程非常简单。

安装完成后，在状态栏可以看到 Ollama的图标。

打开cmd命令行窗口，输入 ollama –version命令，输出

ollama version is 0.5.7。如图所示，即表示ollama安装成功。

2、下载DeepSeek-R1模型

浏览器打开： https://ollama.com/search

我们可以看到 deepseek r1显示在流行榜榜首

点击 deepseek-r1, 我们可以看到deepseek-r1大模型的详细信息。

我们可以看到大模型有多个版本（大模型参数量），不同参数量的大模型代表模型的大小。这里的 “b” 是 “Billion” 的缩写，代表十亿。因此，最小的deepseek-r1 7b 模型包含约 70 亿个参数，而最大的deepseek-r1 671b
模型则包含约 6710 亿个参数。模型越大，功能越强。

我们这次选择 deepseek-r1 8b模型