使用ollama运行deepseek-r1模型

Ollama是一个功能强大的本地大语言模型的运行框架，用户可以非常简单地运行使用各种LLM。最最主要的是它完全免费，本地可以离线运行；

1. 最简单的安装：

curl https://ollama.ai/install.sh | sh

2.也可以访问ollam.com直接点击下载安装


3. 安装完成之后，ollama list一下可以看到本地已经有的LLM情况；

 

 使用最基本的命令运行：ollama run deepseek-r1:1.5b

 

 

 

如何运行deepseek？运行模型很简单，确定好想要的模型后，复制对应的命令到你的终端并执行。

上面的命令运行之后就直接可以和deepseek-r1:1.5b大语言模型做交互；

 

 

DeepSeek-R1-Distill-Qwen-1.5B

ollama run deepseek-r1:1.5b

DeepSeek-R1-Distill-Qwen-7B

ollama run deepseek-r1:7b

DeepSeek-R1-Distill-Llama-8B

ollama run deepseek-r1:8b

DeepSeek-R1-Distill-Qwen-14B

ollama run deepseek-r1:14b

DeepSeek-R1-Distill-Qwen-32B

ollama run deepseek-r1:32b

DeepSeek-R1-Distill-Llama-70B

ollama run deepseek-r1:70b

---

顺便附上不同的deepseek的模型可以做的事情以及对系统配置的依赖情况：

1. DeepSeek-R1-1.5B

• CPU: 最低 4 核（推荐 Intel/AMD 多核处理器）
• 内存: 8GB+
• 硬盘: 3GB+ 存储空间（模型文件约 1.5-2GB）
• 显卡: 非必需（纯 CPU 推理），若 GPU 加速可选 4GB+ 显存（如 GTX 1650）
• 场景:
• 低资源设备部署（如树莓派、旧款笔记本）
• 实时文本生成（聊天机器人、简单问答）
• 嵌入式系统或物联网设备

---

2. DeepSeek-R1-7B

• CPU: 8 核以上（推荐现代多核 CPU）
• 内存: 16GB+
• 硬盘: 8GB+（模型文件约 4-5GB）
• 显卡: 推荐 8GB+ 显存（如 RTX 3070/4060）
• 场景:
• 本地开发测试（中小型企业）
• 中等复杂度 NLP 任务（文本摘要、翻译）
• 轻量级多轮对话系统

---

3. DeepSeek-R1-8B

• 硬件需求: 与 7B 相近，略高 10-20%
• 场景:
• 需更高精度的轻量级任务（如代码生成、逻辑推理）

---

4. DeepSeek-R1-14B

• CPU: 12 核以上
• 内存: 32GB+
• 硬盘: 15GB+
• 显卡: 16GB+ 显存（如 RTX 4090 或 A5000）
• 场景:
• 企业级复杂任务（合同分析、报告生成）
• 长文本理解与生成（书籍/论文辅助写作）

---

5. DeepSeek-R1-32B

• CPU: 16 核以上（如 AMD Ryzen 9 或 Intel i9）
• 内存: 64GB+
• 硬盘: 30GB+
• 显卡: 24GB+ 显存（如 A100 40GB 或双卡 RTX 3090）
• 场景:
• 高精度专业领域任务（医疗/法律咨询）
• 多模态任务预处理（需结合其他框架）

---

6. DeepSeek-R1-70B

• CPU: 32 核以上（服务器级 CPU）
• 内存: 128GB+
• 硬盘: 70GB+
• 显卡: 多卡并行（如 2x A100 80GB 或 4x RTX 4090）
• 场景:
• 科研机构/大型企业（金融预测、大规模数据分析）
• 高复杂度生成任务（创意写作、算法设计）

---

7. DeepSeek-R1-671B

• CPU: 64 核以上（服务器集群）
• 内存: 512GB+
• 硬盘: 300GB+
• 显卡: 多节点分布式训练（如 8x A100/H100）
• 场景:
• 国家级/超大规模 AI 研究（如气候建模、基因组分析）
• 通用人工智能（AGI）探索
•  

Reference：
https://www.53ai.com/news/finetuning/2025020418637.html