摘要：
家人们，我是深度钻研科技产品的用户分享者，今天给大家带来超实用的 Ultra245K 打造 DeepSeek 本地模型攻略。当云端服务崩溃，本地部署... 家人们，我是深度钻研科技产品的用户分享者，今天给大家带来超实用的 Ultra245K 打造 DeepSeek 本地模型攻略。当云端服务崩溃，本地部署的 DeepSeek 模型就像 “及时雨”，用 Ultra245K 搭建更是性价比拉满，下面详细说说。
一、选 Ultra245K 的原因
本地部署 AI 模型时，算力是个大难题。GPU 显存宝贵，部署大模型会占用大量显存，影响其他任务；CPU 计算负载高又会导致系统卡顿。Ultra245K 的核显完美解决了这些问题，它既能使用主机内存，又能独立于 CPU 运行，不影响整机性能。而且现在 Ultra 系列 CPU 降价，Ultra245K 性价比超高，是搭建本地 AI 模型的理想选择。
二、高性价比装机方案
1.CPU：Intel Ultra245K 采用精致小黑盒包装，正面透明窗设计独特，能直接看到 CPU，还印有型号、序列号等信息和二维码。背面的偏心凹槽设计让装机变得轻松，无需费力对准小三角。
2.主板：铭宣终结者 B860M 主板，12 相供电确保 Ultra245K 稳定运行。支持双通道 4 根 DDR5 内存，最大支持 128GB，原生支持 7000Mhz DDR5 内存频率，在高内存负载场景下性能提升明显。
3.内存：光威龙武 DDR5 16*2 6000mhz 套条，活动价 400 多就能拿下，性价比极高，能满足模型运行对内存的需求。
4.机箱：拓扑龙开放式机箱，只要 30 元，价格实惠，而且组装方便。
5.电源：爱国者 EP650 650w 全模组电源，200 元左右，供电稳定，为整个系统提供可靠保障。三、性能测试结果。
三、性能测试结果
1.3DMark CPU 性能测试：在 3DMark CPU Profile 测试中，Ultra245K 展现出强大的性能。单线程分数达到 1213 分，表明其在执行单核心任务时表现优异；最大线程得分高达 12348 分，说明多任务并行处理能力出色，能满足各种复杂应用场景的需求。
2.CPU-Z 性能跑分：CPU-Z 测试中，Ultra245K 单核心性能得分 800 分，多核心得分 10051 分，多核心成绩几乎与曾经的顶级处理器 12900K 持平，证明其在多任务处理方面能力强劲，能为用户提供流畅的计算体验。
3.核显性能评估：相比 14 代的 HD770 核显，Ultra245K 升级到 4Xe-core 新式核显。它具备 4 个 1.9GHz 的 Xecore，最大支持 8K 60hz 编解码，AI 算力在 int8 精度下达到 8TOPS，是 HD770 核显的 2.6 倍。还支持英特尔 DLBoost 深度学习加速技术，int4 量化部署时算力为 16TOPS，达到大模型端侧部署的算力门槛要求，为本地化 AI 推理提供高效运算支持。
四、模型部署步骤
（一）安装依赖软件
1.安装 IntelGPU 驱动：前往英特尔官网（https://www.intel.cn/content/www/cn/zh/products/sku/241067/intel-core-ultra-5-processor-245k-24m-cache-up-to-5-20-ghz/downloads.html），根据自己的操作系统下载最新的 GPU 驱动，安装过程按照提示进行操作。
2.下载 ipex-llm ollama 部署包：进入https://github.com/intel/ipex-llm/releases/tag/v2.2.0-nightly，下载 llama-cpp-ipex-llm-2.2.0b20250224-win-npu.zip 到本地，下载完成后解压。
（二）Ollama 启动和模型部署
1.在解压后的文件夹中，按住 Shift + 右键，选择在终端中打开。
2.在命令行中输入./start-ollama.bat，会弹出一个显示很多日志的命令行窗口，这表示 ollama 启动成功，不要关闭该窗口。
3.在同一命令行窗口中输入.ollama.exe pull deepseek-r1:7b，等待模型下载完成，下载时间会因网络情况有所不同。
（三）启动大模型前端
1.前往 AnythingLLM 官网（AnythingLLM | The all-in-one AI application for everyone）下载并安装软件。
2.安装完成后启动软件，在模型选择位置选择 ollama，可以看到 DeepSeekR1 模型已被识别。
3.创建工作区，例如命名为 DeepSeek-iGPU，选中工作区后点击 NewThread 开启新对话，就可以与 DeepSeekR1 模型进行交互了。从任务管理器中可以看到，核显基本满载，使用了 7.2G 主机内存，模型的 token 生成速率大约为 10token/s，个人使用时对话流畅。
五、NPU 支持情况
Ultra245K 引入了 NPU，虽然目前由于其较新，在部署过程中存在一些 bug，但已提交到 Intel ipex-llm。按照 ipex-llm 的更新速度，预计下个月左右就能使用 NPU 进行模型的推理与部署，届时将进一步解放核显，提升 AI 工作站的性能。
用 Ultra245K 打造 DeepSeek 本地模型，性价比超高，操作也并不复杂。大家如果感兴趣，不妨尝试一下，有任何问题都可以在评论区交流。
本文来自：什么值得买
