DeepSeek 本地部署：蒸馏版与满血版的区别，按显存选版本

核对说明：本文的版本对应关系、文件大小和运行命令，于 2026 年 10 月 30 日对照 Ollama 模型库、DeepSeek 官方 GitHub 与 Hugging Face 模型卡核对。我们没有在实机上测试各版本的速度和质量，文中的评测数字全部来自 DeepSeek 官方自报并已标注来源。DeepSeek 模型更新很快，请以官方页面为准。

很多人说“DeepSeek 本地部署”，实际跑的往往不是网页上那个完整的模型，而是它的蒸馏小模型。名字相似，规模和能力却差得很远。这篇文章讲清楚两者的区别，补充 2026 年新出的 V4 系列能不能在家里跑，并按显存告诉你该下载哪个版本。

先说结论

• 普通电脑和单张消费级显卡，跑的都是 R1 蒸馏版，参数量从 1.5B 到 70B。
• 完整的 DeepSeek-R1 有 6710 亿参数，Ollama 上 deepseek-r1:671b 文件为 404GB，个人电脑基本不现实。
• 更新的 DeepSeek-V4（Flash 2840 亿 / Pro 1.6 万亿参数）同样是超大 MoE 模型，Hugging Face 仓库文件合计约 160GB（Flash）和约 865GB（Pro），属于服务器或超大内存机器的范围；而且 Ollama 上的 deepseek-v4-flash 页面已标注停用（2026-09-25），目前没有一键 ollama run 的家用路径。
• 新手想快速体验：显存 8GB 左右选 deepseek-r1:8b；24GB 选 deepseek-r1:32b。
• 还没装好 Ollama？先看《Ollama 安装教程》。

DeepSeek 本地部署前先分清：蒸馏版和满血版有什么区别

满血版：671B 的混合专家模型

按 DeepSeek 官方 GitHub 说明，DeepSeek-R1 总参数 671B，每次推理激活 37B，上下文长度 128K，基于 DeepSeek-V3-Base 训练。它是混合专家（MoE）结构：运行时只调用一部分参数，但所有参数都要加载进内存，所以显存和内存需求按总参数算，不是按激活参数算。

蒸馏版：用 R1 数据教出来的小模型

官方说明里，蒸馏版是用 DeepSeek-R1 生成的推理数据，对 Qwen 和 Llama 系列的开源模型做微调得到的。它们不是缩小后的 R1，而是“被教过推理”的 Qwen 或 Llama。官方开源了 1.5B、7B、8B、14B、32B 和 70B 六种规格。

Ollama 上的对应关系

Ollama 的 deepseek-r1 标签和官方 GitHub 的列表有一处不同，要特别注意：

Ollama 页面说明，8b 已更新为 R1-0528 蒸馏到 Qwen3-8B 的模型，不是官方 GitHub 列表里的 Llama-8B。直接运行 ollama run deepseek-r1 不带标签时，下载的就是这个 8b。以前下载过旧版的话，可以用 ollama pull deepseek-r1 更新。以上文件大小为 Ollama 页面 2026-10-30 的数据，是下载体积，不是运行时的总显存。

DeepSeek-V4 能在本地跑吗

DeepSeek 在 2026 年发布了 V4 系列。按 Hugging Face 模型卡（MIT 许可证）：

怎么理解这张表：

• V4 也是 MoE，激活参数少只代表每个 token 算得快，权重仍要全部放进内存。160GB 的 Flash 仍然远超任何消费级显卡，属于 128GB 以上统一内存（并加上量化）、多卡服务器的范畴，我们不建议把它当作个人电脑的目标。
• 模型卡写明 V4 支持 100 万 token 上下文，并建议本地部署时采样参数用 temperature = 1.0, top_p = 1.0；使用 Think Max 推理模式时，上下文窗口建议至少 384K tokens。长上下文同样吃内存，规划时要留出余量。
• 截至 2026-10-30，Ollama 上 deepseek-v4-flash 页面标注“已于 2026 年 9 月 25 日停用，没有推送模型”，所以本文不给出 Ollama 命令。想了解最新的运行方式，请看 DeepSeek-V4-Flash 的 Hugging Face 模型卡。
• 对大多数个人用户，更现实的选择仍然是 R1 蒸馏版，或同级别的 Qwen、Gemma、gpt-oss 系列，对比见《本地大模型推荐》和《Qwen 本地部署》。

按显存选版本：DeepSeek 显存要求对照

档位综合了 Ollama 文件大小和两个第三方硬件指南（PromptQuorum、CanRun）的估算，是参考而不是保证：

Mac 用户按统一内存计算，16GB 是比较舒适的起点，更多细节见《Mac 跑大模型怎么选》。如果显存刚好卡在两档之间，建议优先选小一档、上下文开得宽裕的方案。具体显卡对照见《显卡与显存怎么选》。

动手部署：四步跑起 DeepSeek 蒸馏版

第一步：安装 Ollama

按《Ollama 安装教程》完成安装，并用 ollama -v 确认服务正常。

第二步：运行对应版本

ollama run deepseek-r1:8b

把 8b 换成上表其他标签即可，例如 ollama run deepseek-r1:14b。首次运行会自动下载，完成后直接进入对话，输入 /bye 退出。

第三步：确认运行位置

另开一个终端运行 ollama ps。PROCESSOR 列显示 100% GPU 最理想；出现 CPU 比例说明有一部分放进了内存，速度会明显下降，这时应换小一档的版本或降低上下文。排查方法见《Ollama 常见报错与 GPU 没用上怎么办》。

第四步：调整上下文

按 Ollama 官方文档，默认上下文长度随显存而定：小于 24GiB 为 4k，24–48GiB 为 32k，48GiB 及以上为 256k。推理模型的“思考过程”会消耗很多 token，所以 4k 上下文经常不够，可在对话里输入：

/set parameter num_ctx 16384

或在启动服务时设置环境变量 OLLAMA_CONTEXT_LENGTH。上下文越长，显存占用越大，设置前请对照显存余量；智能体和编程类用途建议至少 64000 tokens。

推理模型为什么“慢”、为什么吃上下文

R1 系列是推理（reasoning）模型：回答之前会先输出一大段“思考过程”，再给最终答案。这带来两个本地部署时必须知道的现象：

• 同样的问题，生成的 token 更多，所以体感上比普通对话模型更慢，也更消耗上下文。思考内容占用 KV 缓存，长对话里更明显。
• 默认的 4k 上下文常常不够。Ollama 在显存小于 24GiB 时默认 4k，复杂数学或代码题容易被截断，建议按上文调到 8k–16k，并先确认显存是否放得下。

如果你的任务只是改写、翻译、简单问答，不需要推理链，选一个同等大小的通用模型通常更快更省显存；只有数学、代码、逻辑推理类任务才更值得上推理模型。

DeepSeek 蒸馏版和同级别模型对比

选 DeepSeek 之前，不妨与同一显存档的其他开放模型放在一起看。下表只比较 Ollama 页面上可核对的事实（2026-10-30），不包含我们自测的质量或速度结论：

表里的“上下文”是模型支持的上限，不是 Ollama 默认值，真正能开多大要看显存。同级别模型各有擅长，具体怎么选见《本地大模型推荐：按显存和用途》。

使用建议：官方的几条提醒

DeepSeek 官方 GitHub 在“使用建议”里写了几条适用于 R1 系列的配置：

1. 温度设在 0.5 到 0.7 之间，推荐 0.6，避免无休止的重复或不连贯的输出。
2. 避免添加系统提示词，所有指令放进用户提示词。
3. 数学题可在提示词中加上“请逐步推理，并把最终答案放在 \boxed{} 中”之类的指令。
4. 评估效果时多测几次再取平均。

在 Ollama 中，这类参数可用对话里的 /set parameter 设置，也可写进 Modelfile。

蒸馏版到底有多强：官方自报数据

DeepSeek 官方 GitHub 公布了蒸馏版的评测结果。下面是其中三项，数字为各模型自己的 pass@1 分数，生成长度上限 32,768 token，温度 0.6：

阅读这张表请注意三点：这是 DeepSeek 自己公布的数据，不是我们测的；测试集中在数学、编程和推理，不代表日常聊天和中文写作的体验；Ollama 上的 8b 已是更新后的 Qwen3 基座版本，不在这张表里。从这张表也能看到（仅限这三项）：7B 到 14B 提升明显，14B 到 32B 提升变小，32B 与 70B 的分数很接近。对大多数个人用户，14B 或 32B 通常是性价比更合理的区间。

许可证与商用

官方说明里，模型权重采用 MIT 许可证，DeepSeek-R1 系列支持商用，允许修改和衍生；V4 的 Hugging Face 模型卡同样标注 MIT。但蒸馏模型继承了基座模型的许可：Qwen 系列蒸馏版源自 Qwen2.5（Apache 2.0）；Llama 蒸馏版遵循对应 Llama 许可证。商用前请阅读原文。

常见问题（FAQ）

本地部署的 DeepSeek 和官网的一样强吗？

不一样。官网对话背后的模型由 DeepSeek 自行决定并持续更新，本地普通电脑跑的是蒸馏小模型，规模和能力都不同。蒸馏版的价值在于隐私、离线和可控，而不是复刻官网效果。

8GB 显存跑哪个 DeepSeek 版本？

选 deepseek-r1:7b 或 deepseek-r1:8b。更多 8GB 显卡的选择见《8GB 显存能跑什么模型》。

24GB 显存能跑 70B 吗？

不推荐。70B 的文件有 43GB，24GB 显卡放不下，大部分会落在内存里，速度很慢。24GB 显卡更适合 32B，见《24GB 显存能跑什么模型》。

DeepSeek-V4 能用 Ollama 本地跑吗？

截至 2026-10-30，Ollama 上的 V4-Flash 页面已停用且没有推送模型，且 V4 的权重体积（Flash 约 160GB）远超消费级设备，所以不建议作为个人电脑的目标。

没有显卡可以运行 DeepSeek 吗？

可以，Ollama 在显存不足时使用系统内存，但会慢很多，建议从 1.5B 或 7B 开始。

下载很慢怎么办？

Ollama 官方 FAQ 建议在需要时用 HTTPS_PROXY 配置代理，并避免设置 HTTP_PROXY。

下一步与社区

DeepSeek 选哪个尺寸、要不要上 32B，常常取决于你的具体显卡与预算，欢迎带着配置来社区一起看（加入社区）。如果你不想自己折腾安装，我们在深圳做本地大模型机器的选型、组装与实测，也可以按你想跑的模型倒推配置，先聊需求，不强制购买。

参考来源

• Ollama 模型库：deepseek-r1
• DeepSeek-R1 官方 GitHub 说明
• DeepSeek-V4-Flash 模型卡（Hugging Face）
• Ollama：Context length