摘要：
宝子们好呀！我是你们的老朋友 sevokk，又和大家见面啦！相信大家都知道DeepSeek目前是的火爆程度有多高。官方服务经常出现宕机的情况，虽然，... 宝子们好呀！我是你们的老朋友 sevokk，又和大家见面啦！相信大家都知道DeepSeek目前是的火爆程度有多高。官方服务经常出现宕机的情况，虽然，官方服务正在逐渐恢复，但由于访问人数实在过多，经常出现访问不正常现象，因此，很多用户为了能够正常使用 DeepSeek 都选择了进行本地部署。
本地部署DeepSeek涉及到几个关键步骤：准备环境、下载和安装Ollama、下载DeepSeek模型、配置环境变量（可选）、防火墙设置（可选）以及启动DeepSeek。在开始本地部署之前，需要确保你的计算机满足最低的硬件要求。DeepSeek的最低配置要求包括支持AVX2指令集的CPU、16GB内存和30GB存储空间。
https://ollama.com
首先下载和安装Ollama，Ollama是一个用于本地运行和部署大型语言模型的开源工具，支持多种模型，包括DeepSeek-R1。你可以访问Ollama官网，点击Download下载安装包。
Ollama官网上提供了适用于Windows、macOS和Linux三个操作系统的安装包。可以根据你的电脑系统，选择对应的版本进行下载。
嫌下载慢的也可以直接去找网友要网盘下载ollama压缩包。
解压后选择start-ollama打开，注意这里不要选择exe后缀文件打开哦。
安装完成后验证一下安装是否成功，在该文件夹页面空白处鼠标右键选择终端打开，输入 ./ollama 并按回车，出现上面命令字符便是安装成功。
如果是Mac系统，需要打开Terminal应用程序。在终端中输入ollamahelp并按回车键，若没有报错，则表示安装成功。
接着回到ollama官网，选择中间的DeepSeekR1模型下载并安装。DeepSeek R1 提供了多个不同大小的模型，占用的硬盘空间是不一样的。
像deepseek-r1:1.5b 版本需要 1.1GB 空余空间；deepseek-r1:7b 版本是需要 4.7GB 空余空间；deepseek-r1:8b 版本需要 4.9GB 空余空间；deepseek-r1:14b 版本需要 9GB 空余空间；deepseek-r1:32b 版本则需要 20GB 空余空间。性能更为强大，大家可以根据自己的使用需求来选择。
点击复制模型链接，粘贴到Cmd命令符页面对话框，回车。另外下载速度相当不稳定，可以试试Ctrl+C，输入 ./ollama run deepseek-r1:14b （这里填你复制的模型，我下的是14b）。
因为Ollama默认安装在C盘，并且模型会占用比较大的空间，非常的不友好。下面我来教大家更改Ollama模型的储存位置。
流程：点击“系统信息 > 高级系统设置 > 环境变量，下方新建 > 输入变量名OLLAMA_MODELS > 点击浏览目录并自行选择地方储存。
其实，选择模型更重要的是根据自己的显存大小来选择合适的版本。DeepSeek部署时对显存的要求与模型规模密切相关，理论上运行1B参数的模型需要的显存大小等于4GB乘以1.2，跑14B的模型就需要67GB的显卡内存，但是ollama上的Deepseek是蒸馏以及量化过的，所以对显存的需求就要小很多了，以下是不同规模模型的大致显存需求：
deepseek-r1:1.5b：集成显卡以及4GB内显存的低端显卡，适用于一般文字编辑使用；
deepseek-r1:7b：推荐4~6GB显存独立显卡，可用于本地开发测试等场景。
deepseek-r1:8b：推荐6~8GB显存独立显卡，需更高精度的轻量级任务。
deepseek-r1:14b：需10~16GB显存，可用于企业级复杂任务等场景。
deepseek-r1:32b：需要24GB+显存，适合高精度专业领域任务等场景。
deepseek-r1:70b：通常需多显卡并行，适合科研机构等进行高复杂度生成任务等场景。
deepseek-r1:671b：所需显存高达1342GB，这种情况通常要求使用多GPU，比如16张NVDIA-A100 80GB显卡。
这次我使用的显卡是来自intel核心合作品牌蓝戟最近推出的B580 Photon，得益于技术及架构上的全面的升级，相较上代产品，B系列显卡无论是性能、功耗、视频编码还散热等方面，都有着更优异的表现。
显卡整体延用了蓝戟经典的NEO美学设计，正面交错着网纹线条，给人一种硬朗、刚毅的感觉，含挡片的尺寸为313*130*52 mm，可以满足绝大多数机箱装机。全新的幽刃散热设计， 幽刃环形扇叶，仿波浪曲线造型，对比之前方案，噪音降低 11%，风压提升 26%，确保优异的散热效果，剪辑渲染、跑图跑AI时能有更低的温度和更安静的表现。
硬件方面，B580采用的是BMG-G21 GPU，它拥有5组渲染切片，20个Xe核心，160个XMX矩阵引擎，20个光追单元，10个像素后端和20个像素采样器，拥有18MB L2缓存，2个Xe媒体引擎。相对于公版卡，蓝戟B580 Photon的默认频率是2850MHz，8+4相供电，双8PIN供电，TBP功耗可以给到223W。
并搭配12GB的GRRD6显存，显存位宽192bit，带宽456GB/s，显存频率2375MHz。它定位于2K游戏市场，价位比同级竞争对手RTX4060和RX 7650gre更具性价比。
XeSS技术也随着Xe架构的更新升级到第二代，引入了两项新技术，XeSS帧生成（XeSS-FG）和Xe低延迟（XeLL），实现更强的帧率提升与延迟降低 。
我们来看看显卡的基准性能跑分。Time Spy是针对DirectX 12游戏中2K分辨率下的性能指数。实测下来，默认频率下蓝戟B580 Photon总分15127，其中显卡得分14875，2K画质下市面上3A游戏基本都能畅玩，跑Deepseek自然也不在话下。
接着咱们可以配置环境变量，当然这过程没有特殊需求也可以直接PASS。配置环境变量需要在Windows系统 指定Ollama的模型存储位置和监听地址。以设置 OLLAMA_MODELS 变量来改变默认的模型存储目录，设置 OLLAMA_HOST 变量来指定Ollama的监听地址（默认为127.0.0.1），以及设置 OLLAMA_ORIGINS 变量来允许HTTP请求。这些设置需要在重启电脑后才能生。
如果你是公司用户，那么就有外网安全性需求，这里建议设置防火墙，在防火墙中添加入站规则，允许Ollama使用的端口通过。例如，如果Ollama使用的是默认端口11438，需要在防火墙中添加一条规则，允许外部访问该端口。
接着通过Ollama启动DeepSeek模型，在终端中输入相应的命令，如 ollamarundeepseek-r1:14b ，即可下载并运行指定版本的DeepSeek模型了。
https://web.chatboxai.app/
https://cherry-ai.com/download
这里为了方便大家使用，顺便教大家如何添加UI对话框，主流的有Chatbox和Cherry Studio，这里我推荐使用Cherry Studio，在浏览器中登陆上面网站，点击上方链接选择你喜欢的平台下载并安装即可。
Cherry Studio 是一款支持多个大型语言模型接口的开源桌面客户端，作为一款前端整合UI工具，能让你快捷方便的连接和使用不同的语言模型，几乎所有在线或者本地接口都可以直接对接，而无需在各个网页或应用之间切换。
模型服务日选择ollama，开启，其他的大语言模型服务都有可以通过网络了连接实现 。
点击管理，选择已部署好的Deepseek模型。
通过以上步骤，你应该能够在本地环境中成功部署并能在UI里运行DeepSeek了，接着就和这个“网红”深入交流吧。
实测蓝戟B580跑DeepSeek 14b的内存占用是14G，16G内存勉强能应付，32G内存更好，毕竟内存现在几乎白菜价。需要注意是DeepSeek对显存的占用，没跑太复杂的内容，这时显存占用已经达到了9.2G，也就是小于等于8GB显存的显卡运行DeepSeek 14b会非常吃力，好在市面上还有蓝戟这样大显存的性价比显卡在，低成本也能畅玩Deepseek，玩游戏做生产力工具都很给力，而且蓝戟B580 Photon显卡在性能、散热、功耗以及静音表现上都令人满意，如果你着眼于主流游戏表现和高性价比生产力配置，蓝戟B580 Photon无疑是个非常不错的选择。
好了，这次分享就到这，如果你有什么疑问，欢迎在评论区给我留言，我会第一时间回答的！感谢您的观看，爱你们哟。 最后，别忘了点赞、收藏、关注我哦，我们下次再见啦！
本文来自：什么值得买
