✅ 本文已于 2026-09-05 更新：新增《Ollama 本地部署进阶 2026》姊妹篇互链，显存与模型选择建议按 2026 年 9 月最新版校准，并补充本地部署最新 FAQ。
✅ 本文已于 2026-08-22 更新：补充 Ollama 最新版本（v0.32.x）与显卡配置建议（NVIDIA RTX 50 系 / AMD ROCm v7）、DeepSeek-R1 8B 默认版信息，并新增 DeepSeek 生态相关阅读，信息更完整。
DeepSeek作为目前最强的开源大模型之一，很多人都想把它部署到自己的电脑上。本地部署最大的好处：完全免费、无需联网、数据不出门、可自定义调优。
这篇文章手把手教你从零开始完成DeepSeek本地部署，无论你是程序员还是普通用户都能看懂。
一、为什么要本地部署DeepSeek？
在线使用DeepSeek虽然方便，但有几个痛点：
- 网络不稳定：高峰期经常卡顿、断连
- 隐私问题：你的对话数据在云端，敏感信息有泄露风险
- 有使用限制：免费版有对话次数和长度限制
- 功能受限：不能微调、不能自定义参数
本地部署一次性解决以上所有问题。
二、硬件要求
不同规模的DeepSeek模型对硬件要求不同：
| 模型版本 | 最低内存 | 推荐内存 | 显存建议 | 适用场景 |
|---|---|---|---|---|
| DeepSeek-R1-Distill-Qwen-1.5B | 4GB | 8GB | 无独显 / 4GB 显存 | 日常对话、文字处理 |
| DeepSeek-R1-Distill-Qwen-7B | 8GB | 16GB | 8GB 显存（RTX 3060/4060） | 代码编写、逻辑推理 |
| DeepSeek-R1-Distill-Qwen-8B（默认） | 8GB | 16GB | 8GB 显存 | 日常首选，中文友好 |
| DeepSeek-R1-Distill-Qwen-14B | 16GB | 32GB | 12GB 显存（RTX 4070） | 复杂推理、长文本处理 |
| DeepSeek-R1-Distill-Qwen-32B | 24GB | 48GB | 24GB 显存（RTX 4090/5090） | 专业编程、科研分析 |
注意：以上是基于4-bit量化后的配置。如果电脑配置一般，推荐从1.5B或7B版本开始。
Ollama 最新版本与显卡建议（2026-08）
Ollama 在 2026 年 7 月已更新到 v0.32.x，GitHub Star 超 17.6 万，支持 NVIDIA RTX 50 系最新架构与 AMD ROCm v7。下载与模型命令不变，认准官网 ollama.com/download。
- 8GB 显存（RTX 3060 / 4060）：跑 DeepSeek-R1-Distill-Qwen-7B 或 8B（Q4 量化），速度 15-25 token/s，是目前的“入门甜点”。
- 12GB 显存（RTX 4070）：跑 14B 量化版，复杂推理更稳。
- 24GB 显存（RTX 4090 / 5090）：跑 32B 量化版，接近商用 API 质量。
- 48GB+ 显存或多卡：可尝试 70B 量化版（约 43GB），接近满血体验。
- Mac 用户：M1-M4 统一内存性价比高，16GB 统一内存可流畅跑 8B-14B，M3/M4 Max 甚至可以量化跑 30B+。
量化推荐 Q4_K_M：体积比全精度小一半以上，效果损失 <3%，Ollama 默认下载的就是这个版本，新手最友好。没有独显也可以用 CPU 跑 1.5B-7B 小模型，速度慢一些但完全能对话。
二·五、2026 年 9 月更新：Ollama 姊妹篇与显存建议校准
如果你看完本文想进一步折腾，9 月初我新发了姊妹篇 Ollama 本地部署进阶 2026：Windows/Mac 安装教程 + 模型选择与显存指南，Windows/Mac 安装更细、常用命令更全、显存对照更完整，两篇搭配读，从入门到进阶一次打通。
显存与模型选择（2026-09 校准）：8GB 显存 → 7B/8B（Q4 量化）；12GB → 14B；24GB（RTX 4090/5090）→ 32B；48GB+ → 70B 量化版；Mac 16GB 统一内存 → 8B-14B，M3/M4 Max 可尝试 30B+。量化默认 Q4_K_M 即可，与上表结论一致。拿不准配置的，先看姊妹篇里的完整对照表再动手。
三、使用Ollama部署（最简单，推荐新手）
Ollama是目前最流行的本地大模型运行工具，支持macOS、Windows、Linux。
步骤1：安装Ollama
访问 ollama.com/download 下载对应系统的安装包，直接安装即可。
步骤2：下载并运行DeepSeek模型
打开终端（Terminal / CMD），输入以下命令：
# 下载并运行1.5B版本（最轻量，4GB内存即可） ollama run deepseek-r1:1.5b # 或者运行7B版本（推荐，效果好） ollama run deepseek-r1:8b # 或者运行7B版本（推荐，效果好） ollama run deepseek-r1:7b # 或者运行14B版本（需要16GB以上内存） ollama run deepseek-r1:14b
第一次运行会自动下载模型（根据版本不同约1-8GB），之后就可以直接对话了。
步骤3：使用Web界面（可选）
如果觉得终端不好用，可以安装Open WebUI：
# 使用Docker一键安装 docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
然后在浏览器打开 http://localhost:3000 就能看到漂亮的ChatGPT式界面。
四、其他部署方式
方式2：LM Studio（图形化，适合Windows用户）
下载 LM Studio → 搜索”DeepSeek” → 选择模型版本 → 下载 → 加载对话。全程图形界面，无需命令行。
方式3：llama.cpp（性能最优）
适合有编程基础的用户，支持GPU加速，推理速度最快：
# 克隆编译 git clone https://github.com/ggerganov/llama.cpp cd llama.cpp make -j # 下载量化模型 wget https://huggingface.co/unsloth/DeepSeek-R1-Distill-Qwen-7B-GGUF/resolve/main/DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf # 运行 ./main -m DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf -p "你好" -n 512
五、本地部署 vs 在线使用的对比
| 对比项 | 本地部署 | 在线使用 |
|---|---|---|
| 费用 | 完全免费 | 免费版有限制 |
| 隐私 | 数据不出门 | 数据上传云端 |
| 速度 | 取决于显卡 | 取决于网络 |
| 稳定性 | 随时可用 | 高峰期可能拥堵 |
| 可定制 | 可微调、量化 | 固定参数 |
| 推荐场景 | 程序员/隐私敏感用户 | 普通用户/懒得折腾 |
六、常见问题
Q：我电脑只有8GB内存能跑吗？
A：可以，推荐1.5B版本（低配）或7B量化版。用Ollama直接 `ollama run deepseek-r1:1.5b` 就行。
Q：是不是部署了就完全免费了？
A：是的，只要你不出门联网，所有推理都免费。电费忽略不计。
Q：能不能同时部署多个模型？
A：可以，Ollama支持同时管理多个模型，随时切换。
Q：生成速度慢怎么办？
A：有NVIDIA显卡的话装CUDA版本Ollama，推理速度提升5-10倍。
文章编号：2026-0627-EX-001 | 资源持续更新中
延伸阅读：AI 工具大全 2026：从本地部署到在线免费，30 款亲测实用推荐
DeepSeek 本地部署最新常见问题（2026-08 更新）
2026 年 8 月本地部署 DeepSeek 用什么版本？
Ollama 目前默认拉取 deepseek-r1:8b（Qwen3-8B 蒸馏版），中文友好、8GB 显存可流畅运行；低配选 1.5b，追求质量选 14b / 32b。
Ollama 最新版本是多少？
2026 年 7 月已更新至 v0.32.x，支持 NVIDIA RTX 50 系与 AMD ROCm v7；命令和模型库不变，去官网下载即可，下载中断支持断点续传。
本地部署需要什么显卡？
8GB 显存（RTX 3060/4060）即可入门跑 7B-8B；12GB 跑 14B；24GB（RTX 4090/5090）跑 32B；48GB+ 跑 70B。没有独显用 CPU 跑 1.5B 也完全能对话，详见上文显卡建议。
DeepSeek-V4 能本地部署吗？
DeepSeek-V4 以 MIT 协议开源并开放权重，社区已逐步适配 Ollama / llama.cpp；日常使用本地跑 R1 蒸馏版性价比最高，V4 完整版对硬件要求高，建议走 API 或 网页版。
本地部署和在线 API 怎么选？
隐私敏感、高频使用选本地部署；省事、要最新模型能力选在线。申请 DeepSeek API Key 即可低成本接入，网页版免费直接聊。
部署好之后能做什么？
本地对话、离线文档总结、代码辅助、接入 Open WebUI 做个人 ChatGPT 界面，还可以配合 学习资源 里的教程搭建工作流。
延伸阅读
DeepSeek 本地部署最新常见问题（2026-09 更新）
Ollama 姊妹篇 3284 主要讲什么？
《Ollama 本地部署进阶 2026》聚焦 Windows/Mac 安装全流程、按显存选模型的完整对照表（8G→7B、12G→14B、24G→32B、48G+→70B、Mac 统一内存），以及日常管理命令速查，适合想用 Ollama 把 DeepSeek 等开源模型跑顺的进阶用户。
8GB 显存现在推荐跑哪个模型？
仍推荐 DeepSeek-R1-Distill-Qwen 7B/8B（Q4_K_M 量化），15-25 token/s 属入门甜点；纯 CPU 老机器建议 1.5B。更细的对照见姊妹篇显存表。
DeepSeek-V4 能本地部署吗？
DeepSeek-V4 已开源开放权重，社区在逐步适配 Ollama/llama.cpp；但完整版硬件门槛较高，普通电脑建议本地跑 R1 蒸馏版（8B/14B）更实际，追求 V4 能力优先走官方 App/API。
Mac 电脑怎么选模型？
M 系列统一内存性价比高：16GB 跑 8B-14B，24GB 可尝试 30B 以内量化，M3/M4 Max（36GB+）可以跑 32B 量化版。详细建议看 Ollama 本地部署进阶 2026。
本地部署、DeepSeek App、ChatGPT 免费版怎么组合？
本地部署覆盖离线与隐私场景；日常在线用免费的 DeepSeek 官方 App（教程见 DeepSeek 官方 App 下载安装 2026）；国际内容补一个 ChatGPT 免费版（教程见 ChatGPT 免费使用教程 2026）。三件套基本 0 成本覆盖绝大多数 AI 需求。
部署后 Open WebUI 连接不上怎么办？
先确认 Ollama 服务在跑（ollama serve），再检查 Open WebUI 里的 Ollama 地址：Windows/Mac 用 http://host.docker.internal:11434，Linux 用 http://127.0.0.1:11434，然后用浏览器访问容器映射的端口验证。
延伸阅读
📦 附：夸克网盘资源库 · 持续更新
我做资源库的标准很苛刻：分类清晰、链接有效、持续更新——这份夸克网盘资源导航表三点都占：直到这篇发布前都还在更新，失效链接会被及时清理，新资源持续入库，找资源不用再到处碰运气。
- 📚 资源库入口：夸克网盘资源导航表（在线表格，收藏即用）
- 💾 建议先收藏本文或保存表格，需要时随时回来取用；表格会持续更新，值得定期逛一逛。
- 📢 觉得有用，欢迎转载分享给需要的朋友（转载注明出处即可）。
