【DeepSeek】个人PC本地部署和运行DeepSeek-R1:70b

本机配置：

1、硬盘：512GB（固态）；

2、处理器：i9-10900X（10核、20线程）

3、内存：128GB

4、显卡：RTX2060-EV0 6GB

5、系统：Windows 11 企业版 Ltsc x64

首先，我们需要下载一个大模型部署工具，这里使用的是开源的 Ollama ，其最新版本为0.5.11。由于我的模拟环境是 Windows PC，所以 Ollama 下载的是 Windows 版本。

下载地址如下：

https://github.com/ollama/ollama/releases/download/v0.5.11/OllamaSetup.exe

这个程序下载速度非常慢，无论是从 Github 下载，还是从官网下载。所以，需要一个加速网站，比如下面的这个网站：

https://github.akams.cn/

我们将 Ollama 的 Github 下载地址黏贴在后面的URL地址框里面，然后点击后边的开始下载按钮即可开始下载，速度还是可以的。

下载后，双击安装 Ollama ，这里就不展示安装过程了。安装结束后，在任务栏的隐藏图标区域里面就可以看见 Ollama 的图标了（白的的那个）。

安装完成后，我们再下载一个可以本地与DeepSeek进行界面交互的聊天软件 - Chatbox，下载地址如下：

https://download.chatboxai.app/releases/Chatbox-1.9.8-Setup.exe

下载后一路安装即可，后面会在启动界面配置相关 DeepSeek 的版本信息。

接下来，就要进行最重要的一步了，使用 Ollama 下载 DeepSeek 了。我先后下载了 DeepSeek 的8b和70b版本，8b版本的使用，感觉很流畅，但是AI给出的答案，很多都是驴头不对马嘴，给我的感觉非常不好。所以下面我给大家演示的是 70b 版本的下载和使用。

打开一个CMD窗口，输入并执行下面的命令即可（有点像 docker 镜像的下载）,这个模型体积非常大，达到了42GB，8b的体积好像是4.7GB（记不太清了）。

ollama run deepseek-r1:70b

等完全下载结束后，解压成功了，就可以打开 Chatbox，并做如下设置：

在模型这个标签页下面，执行下面的配置，然后保存即可。

• 选择模型提供方：OLLAMA API
• API域名默认即可
• 选择模型为deepseek-r1:70b

下面我们就可以在 Just chat这个专栏里面与 DeepSeek-R1:70b的模型进行交流了，不过我的电脑配置，运行70b这个版本的模型，DeepSeek的思考（Thinking）和回复的输出，非常、非常、非常卡！不过相比于 8b 的模型，这个模型给出的答案，相对来说，准确度会高很多，但是由于这个模型无法联网，因此回复里面的部分结果，还是有问题的，比如给的JDK的下载地址感觉就有问题，一个是无法访问，另外下载的JDK是Oracle的商业JDK，但是JAVA环境变量配置又是OpenJDK。

实在是太卡了，无法进行更多的测试，下面是我问的这个问题后，CPU和内存消耗的情况，看起来CPU 被消耗了接近一半，内存消耗了 39GB。

 看来我的PC跑 70b 确实压力山大，有机会换 32b 版本试试。不过有DeepSeek无法联网，感觉聊天很无趣。