DeepSeek R1性能对标OpenAI o1，但完全开源免费。本地部署后不用联网，不用付API费，数据完全在自己手里。来看看怎么搞。
你需要什么？
最低配置
- 内存：16GB
- 显卡：8GB显存（GTX 1070以上）
- 硬盘：50GB空闲空间
- 系统：Windows/Mac/Linux都行
推荐配置
- 内存：32GB
- 显卡：16GB显存（RTX 4060以上）
- 这套配置可以流畅跑14B参数的模型
没有好显卡？
CPU也能跑，只是慢一些。7B参数的量化模型，8GB内存的笔记本就能跑。
方案一：Ollama（推荐）
这是最简单的方式。
安装Ollama
去官网下载安装包，一路Next。装完后终端输入：
ollama --version
能看到版本号就OK了。
下载模型
ollama pull deepseek-r1:7b
7B模型大约4GB，下载几分钟。如果显卡够强，可以拉14B或32B的版本。
开始对话
ollama run deepseek-r1:7b
直接在终端里就可以对话了。
接入其他工具
Ollama默认提供API接口（localhost:11434），可以接到Dify、RagFlow等工具里。
方案二：LM Studio（小白友好）
如果不想碰命令行：
- 下载LM Studio（图形界面）
- 搜索DeepSeek模型
- 点击下载
- 加载模型，开始对话
全程鼠标操作，适合非技术人员。
省显存技巧
4-bit量化可以减少75%的显存占用。比如：
- 原始7B模型需要14GB显存
- 4-bit量化后只需要约4GB
量化会略微降低精度，但日常使用几乎感觉不到差异。
不同模型怎么选？
| 参数量 | 显存需求(4bit) | 适合场景 |
|---|---|---|
| 1.5B | 2GB | 简单问答 |
| 7B | 4GB | 日常开发 |
| 14B | 8GB | 复杂推理 |
| 32B | 16GB | 专业级 |
| 70B | 40GB | 接近商用 |
大部分人用7B就够了，性价比最高。
跟云端API比怎么样？
优势：
- 完全免费，零成本
- 数据不出本机
- 不受网络影响
- 无调用限制
劣势：
- 占用本机资源
- 大模型跑不了
- 没有最新的模型更新
我的建议：本地跑7B做日常任务，复杂任务用云端API。
你本地部署过AI模型吗？用的什么方案？