大家都在部署本地DeepSeek R1，但是又有人极力反对本地部署？

菜菜不是虚名，是真的菜，所以发布的文章不是“教你做什么”，而是“我正在做什么”。如果恰好这个阶段你也正在玩这些，可能帮你节省一点时间，或者避开一两个小坑，仅此而已。

今天起会发布一些DeepSeek相关的小文章，也是因为我最近在倒腾这玩意。

问题一：刷短视频和看文章，貌似DeepSeek经受了一系列的网络攻击后，大家都部署了本地的DeepSeek R1，难道是比DeepSeek的APP不好用吗？

我的认识是这样的，我们个人用户，偶尔打开提问求答案这种简单的需求，DeepSeek 的APP几乎都能100%的满足。毕竟一天也用不到几次。

但是这两类用户对DeepSeek这种Ai有强烈的需求和个性化的需求，一是每天8个小时工作内容里，有一半以上时间需要借助DeepSeek来完成和解决问题。本地部署能够确保顺利完成工作内容。

另外全球范围内的科技巨头和大型的集团公司普遍宣布已经接入DeepSeek，有些本身就是云服务提供商，它们有强大的硬件支撑，能够为客户提供最新的最有价值的服务，并且按分钟计费！另外一些则是本地化后进一步训练来服务自己的行业和集团，这就是Ai在不同行业发挥的作用。

而个人部署DeepSeek R1的某个版本，不单单是为了和Ai聊个天，而是在其基础上，进一步训练，使这个DeepSeek能够了解自己的行业，服务自己的领域，完成独特的工作。

问题二：DeepSeek R1和DeepSeek V3的区别，以及DeepSeek R1 的1.5b到671b的区别？

如果我们使用DeepSeek的APP对话，其实使用的是DeepSeek V3，它有671b的总参数，也有叫它满血版。零散的使用，用它最聪明！

DeepSeek R1是DeepSeek公司推出的一款开源推理模型，并且又“蒸馏”出6个小模型，就是大家知道的1.5b，7b，8b，14b，32b，70b。这其中就有两个字眼： Llama 和 Qwen 。1.5b和7b，14b，32b是DeepSeek-R1-Distill-Qwen-7B这样的名称。8b和70b是DeepSeek-R1-Distill-Llama-8B这样的名称。

所以，如果你要本地部署，选哪个“蒸馏”版本，第一依据是自己的硬件，你有多大的显卡，多大的内存，这个网上很多说法，你可以做个衡量，我2060的显卡6G显存，32G内存，正在用7b，思考很快，输出流畅。

选择哪个版本第二个依据是看Llama 和 Qwen的区别。

问题三：本地部署8GB显存，选择7b还是8b？

Qwen是由阿里巴巴达摩院推出的，主要服务于中文和全球市场，特别优化了中文语料和应用。LLaMA是由Meta AI（前Facebook）开发的，主要针对学术研究和开源领域，提供参数规模较小但性能强大的模型。

Qwen特别专注于中文优化。LLaMA是一个通用模型，主要使用英语语料进行训练。所以，参考了一些信息后，非得从7b和8b这两个中选择的话。基于Qwen的DeepSeek-R1-Distill-Qwen-7B可能更合适。

问题四：怎么本地部署DeepSeek R1？

网上铺天盖地的教程，很详细，也很简单，你搜索下照着做就能完成。

大体的思路是先装Ollama，Ollama是一个用于在本地运行大型语言模型的工具。然后在Ollama里用明令行拉取和运行DeepSeek R1的某个版本。成功后在命令行里就能“聊天”。但到这里才是“毛坯房”。更好的使用起码得个可视化的工具（有四五个可选），想要训练的更符合你的需求，也需要额外的工具支持。

稍后陆续分享，欢迎进一步交流。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～