极空间全型号上架DeepSeek，满血畅玩！附全网首个API调用方法

大家好，这里是Cherry，喜爱折腾、玩数码，热衷于分享自己的数码玩耍经验~

前言

最近AI真的是火得一塌糊涂阿，出圈到了办公室里的大伯都开始用AI养生了，每天鼓捣一些奇奇怪怪的养生茶。

这不，极空间也紧抓潮流，搭建了极空间专属的满血版DeepSeek服务器，并在全系列产品上架了DeepSeek服务，势必让每一个极空间用户都能体验上专属的DeepSeek服务。

本次更新，不仅我们的AI助手接入DeepSeek，还发布了 开箱即用 的 本地化DeepSeek-R1（7b、14b） 和 在线满血版DeepSeek-v3 应用，纯纯下足血本！

作为走在数码弄潮儿，如果我们不在NAS上折腾一下AI，都不好意思出去说自己的NAS用户。

前期，我也分享了很多利用docker部署安装本地AI的教程，用兴趣的朋友可以回头看一看。但是过来人一句话，docker部署的AI应用，它们在性能利用率上是要打折扣的，毕竟一层虚拟化掉一层皮，和直接在Linux环境下运行的AI大模型差异很大。

下面，让我们一起看看极空间发布的DeepSeek服务到底如何，并且附赠一个全网独家的极空间本地DeepSeek API调用方法。

一、AI助手升级，满血版Deepseek随意玩

在“帮助与反馈”模块下，全面提升了AI助手的答疑能力，并且提供了基于云端的deepseek的在线对话功能。

1、AI助手更聪明了

先说说AI助手升级，之前的AI助手说实话，的确有点笨笨的，一旦我们问的内容超过知识库范畴，它就会一问三不知。

最新版本的AI助手已经接入的极空间自家的deepseek服务，在围绕极空间私有云自身的功能、使用、答疑上都有不错的效果。

举个例子，我问了更新内容以及docker网口打不开怎么办，它分别提供了查询路径，提供了多种排查Docker端口无法打开的方法，虽然还无法实现自动处理，但是在答疑、检索上比之前已经大大的进步了。

2、满血Deepseek-v3免费畅玩

除了AI助手能力升级外，极空间还提供了全系列NAS可用的DeepSeek在线会话功能。 无论是Arm架构的Q2C、Z2 Pro，还是X86架构的各型号，都可以畅玩满血版DeepSeek，根本不存在旧设备不支持这个问题。

和AI助手只能问极空间自身功能不同，极空间DeepSeek是一款真正为极空间用户提供的云端AI，开箱即用，免安装、免配置，响应速度快，不超时不繁忙。

不过缺点也有，一是模型数量目前仅支持DeepSeek-V3（响应速度比R1更快），二是暂时没保存历史对话，重开应用会清空历史对话。这两点相信在后续的更新中会有所改善，让我们极空间用户可以畅玩AI 对话，甚至可以畅想一下AI绘图，哈哈哈哈哈。

我让极空间的DeepSeek提供了几个图床的容器项目，分别推荐了兰空、荔枝、Piwigo等，都是经典好用的docker项目，并且还很贴心的提供了docker镜像名，感觉我要下岗了有没有！呜呜呜~

二、极空间本地DeepSeek-R1:7b/14b玩耍心得

除了极空间提供了DeepSeek-V3云端服务，以及AI助手外，Z423机型（含标准版、旗舰版）还追加了DeepSeek本地部署应用，可以一键搭建DeepSeek-R1:7b和DeepSeek-R1:14b。

两个模型目前测试是无法共存的，一般建议大家直接下7B的使用，足以满足日常所需。如果内存给的比较足一点的，可以下载14B使用。当然，我这以14B进行演示。

14B大概需要占用8G空间，我下载存放在了M.2 Nvme盘里，下载以后这个模型在前台是看不见的，通过SSH查询具体的位置在/data_盘位/ai_models下。

安装起来真的很方便，鼠标点两下就安装完成，老人小孩也能用。下载完成后，只需要点击启动引擎就可以开始工作了。

1、DeepSeek本地运行小试牛刀

我分别使用Docker 部署了7B的模型，然后极空间DeepSeek使用了14B的模型，问了相同的问题进行比较。

先说结论吧，从结果上来说，14b的答题效果要明显好于7b的，这点毋庸置疑，毕竟更多的参数意味着答案更精准。而这也是极空间本地DeepSeek-R1的核心优势，毕竟自行部署的大部分只能跑7b模型，差距一下子就拉开了！

问题： 我是一个NAS小白，针对NAS的数据安全，你有什么建议吗？提供3点以上的防护策略，要求有具体可操作。

左侧是极空间内置14b模型，右边是Docker部署的7b模型。

1️⃣先看思考过程：

14b的思考内容是围绕NAS这个主题的，内容和NAS关联性强的多，而且层次丰富，提到了数据加密、备份、ACL策略、灾备、网络安全等方面，相对完整。

7b的思考有点类似通用的安全，思考到了端对端加密，访问控制，备份，应急演练，这个更像是一套通用性的数据安全防护策略，和NAS关联性并不高。

2️⃣再看答案：

14b的答案，包括思考中提到的7个部分，每一个部分都和NAS强关联，是NAS上切实可操作的内容，还增加了用户强密码策略、日志等。

7b的答案，很模板化，一共提到6点，但是每一个都是一句话，而且和NAS基本没什么关系。

2、DeepSeek本地性能测试

我分别部署了7B和14B的模型，并且提问，对处理器占用情况进行了对比。

从性能结果上来看，Z423 标准版使用的是纯CPU计算，没有内存和显卡加持，占用情况7B和14B没区别。CPU最高可跑到80%，平均在70%，温度最高可跑到70度，当思考结束输出问题时回落到55度左右。

🔻跑7B的处理器占用情况

🔻跑7B的进程监控情况

🔻跑14B的处理器占用情况

🔻跑14B的进程监控情况

3、极空间本地DeepSeek作为API使用的方法（不用操作，就看看理论）

极空间的本地DeepSeek是用什么跑的，既然可以前端展示，是不是也可以让我们利用成API给容器或者外部使用呢？

抱着好奇心，我登陆了极空间后端一探究竟。

⭐温馨提示：SSH操作异常危险，所有SSH操作需要在十分了解指令的背后才可以使用，否则容易对设备造成损害，建议大家不要轻易尝试。

⭐温馨提示：本方法透出API，仅当前版本适用，不清楚后续极空间是否会修改部署方式，请务必看懂教程再实施。

首先查看一下端口，使用指令netstat -nlpt查看，其中找到一个zllamas的应用，占用了127.0.0.1:45463端口。这个名字一看就是我们的目标了，直接根据PID 822202去找（PID每次都不同）。

输入指令ps -p 822202 -o args=查看进程的启动命令。

服务部署在zspace/applicaitons/services/zcomic/DB/aiengine/bin/zllamas下。（是不是好奇为啥是在极漫画的路径下，我也好奇，猜测后续极空间会推出漫画翻译功能？）

调用了ds.guff模型，模型的具体位置如下：

/zspace/applications/services/zcomic/DB/aiengine/model/ds.gguf

这个.gguf格式，是Llama.cpp/GGML的推理框架专用格式。因此我们就可以猜测极空间的deepseek服务zllamas 是基于 Llama.cpp 的定制化服务。

接着，curl一下端口看看，啊呀，没啥实质性内容，那么看看日志。输入指令tail -f /proc/822202/fd/1 2>&1，查看到了本地的POST内容（需要先对话一次）。

API沿用的标准openai兼容格式localhost/v1/chat/completions，json也一样。

那么使用POST API去调用一下标准模板，发现命令行下可以正确返回结果，但是在前端是没有反馈的，说明前端网页也是调用了API。

至此，我们顺利找到了将本地部署的DeepSeek-R1作为API服务调用的方法了。

🔻POST测试指令

curl -X POST http://localhost:45463/v1/chat/completions

-H "Content-Type: application/json"

-d '{

"model": "/zspace/applications/services/zcomic/DB/aiengine/model/ds.gguf",

"messages": [

{"role": "user", "content": "你好，请介绍你自己"}

],

"stream": false,

"max_tokens": 100

}'

🔻命令行模式下的返回结果。

4、Nginx转发本地端口

接下来，要使用这个本地API，我们只需要搞定localhost:45463转发到0.0.0.0:45464就可以了，常规做法就是使用Nginx搞定。

首先，将下面的代码另存为nginx.conf文件

# /etc/nginx/nginx.conf

user nginx;

worker_processes auto;

error_log /var/log/nginx/error.log notice;

pid /var/run/nginx.pid;

events {

worker_connections 1024;

}

http {

include /etc/nginx/mime.types;

default_type application/octet-stream;

log_format main '$remote_addr - $remote_user [$time_local] "$request" '

'$status $body_bytes_sent "$http_referer" '

'"$http_user_agent" "$http_x_forwarded_for"';

access_log /var/log/nginx/access.log main;

sendfile on;

keepalive_timeout 65;

server {

listen 45464;

server_name _;

location / {

proxy_pass http://127.0.0.1:45463;

proxy_set_header Host $host;

proxy_set_header X-Real-IP $remote_addr;

proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

proxy_set_header X-Forwarded-Proto $scheme;

proxy_http_version 1.1;

proxy_set_header Upgrade $http_upgrade;

proxy_set_header Connection "upgrade";

proxy_read_timeout 86400s;

proxy_send_timeout 86400s;

}

error_page 500 502 503 504 /50x.html;

location = /50x.html {

root /usr/share/nginx/html;

}

}

}

将文件复制到极空间nginx目录下（自己任意创建一个），黑线的不用管，只要红框的。

启动一个nginx:latest容器，把刚才保存的nginx.conf文件添加进来，装载到/etc/nginx/nginx.conf路径里。

把默认的bridge网络更改为host，然后保存部署即可。

部署之后看下日志，正确的话是显示进程的。

5、验证极空间DeepSeek-R1本地API

利用Cherry Studio来验证一下极空间本地部署的DeepSeek-R1是不是被作为API转发出来了。

# 在任意cmd界面输入以下指令

curl 极空间ip:45464

>>>如果输出结果如下表示正确，Error:gzip is not supported by this browser

下面我们来配置Cherry Studio的API，任何厂家里去添加都可以，毕竟是兼容的。

1️⃣API地址：http://极空间 IP:45464
2️⃣模型：/zspace/applications/services/zcomic/DB/aiengine/model/ds.gguf
3️⃣API KEY：空或任意字符

🔻我的配置截图，可参照。

配置完成以后，点一下连接测试一下。

接着我在Cherry Studio中@了极空间本地部署的deepseek-r1，思考的同时验证了一下极空间的CPU使用量，说明调用成功了。

如果是公网的，只需要配置DDNS并在路由器转发出去即可。

总结

在体验了极空间本次上架的DeepSeek服务后，不得不感慨AI之于NAS的妙用。

除了前期我们很熟悉的AI相册功能涉及到大模型外，本地化AI、在线版满血AI分工合作，既能在满足隐私性要求，又能实现高性能对话，后期直接加载NAS内的知识库文档，甚至利用Agent操作NAS也不是不可能。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～