DeepSeek R1 发布后，凭借其强大的推理能力和超高的性价比瞬间刷爆了技术圈。很多同学想在本地 4090 甚至 Mac 上跑起来，但过程中遇到了各种环境依赖、显存溢出等问题。
本文将基于 Ollama + OpenWebUIDeepSeek 教程 的方案，带大家零基础完成本地部署，并分享几个我在部署过程中踩过的坑。
Ollama 是目前最方便的大模型运行工具，支持 macOS, Windows 和 Linux。它帮我们屏蔽了复杂的 Docker 和 CUDA 配置。
首先访问官网下载安装包，安装完成后，打开终端验证是否安装成功：
DeepSeek R1 提供了多个参数版本，推荐从 7B 或 8B 版本开始尝试，既保证了效果，又不会撑爆显存。
执行上述命令后，Ollama 会自动开始下载模型文件。下载速度取决于你的网络环境，文件大小约为 4.7GB。
很多同学在启动 WebUI 时发现连不上 Ollama。通常是因为 Ollama 默认监听 端口。请确保防火墙没有拦截该端口。
如果端口被占用，可以通过以下命令查看：
对于显存不足的情况，可以尝试量化版本：
OpenWebUI 是一个美观的 Web 界面，让你可以像使用 ChatGPT 一样与本地模型对话。
部署完成后，访问 即可开始使用！
通过本教程，你应该已经成功在本地部署了 DeepSeek R1。如果遇到问题，欢迎在评论区留言，我会尽力帮助解答。
关键要点回顾：
- Ollama 简化了模型部署流程
- 根据显存选择合适的模型版本
- OpenWebUI 提供了友好的交互界面
- 注意端口和防火墙配置
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/236835.html原文链接：https://javaforall.net
