这个春节，DeepSeek掀起了海内外的热潮。当硅谷还在震撼于DeepSeek的突破时，一场声势浩大的AI“淘金热”悄然蔓延至国内主流电商平台。

号称搭载DeepSeek的智能键盘日销近百万，博主售卖的课程轻松日入五万，甚至仿冒网站如雨后春笋般涌现，达到2650个，引发DeepSeek官方紧急声明回应。

在这股热潮中，既有焦虑者、淘金者，也有更多满怀期待的观望者。春节过后，打工人终于有时间亲自体验这款AI神器，却遭遇了DeepSeek R1的冰冷提示：“服务器繁忙，请稍后再试。”

得益于DeepSeek开源策略，在焦躁等待中，本地部署DeepSeek R1的教程迅速走红，甚至成为了新一轮AI“割韭菜”的秘籍。

今天，我们不收998，也不收98，只为大家送上一份简单易懂的本地部署DeepSeek R1教程。

不过，部署只是第一步。

虽然许多卖课博主宣称能轻松运行满血版DeepSeek R1，但其参数高达671B，仅模型文件就需要404GB存储空间，运行时更需约1300GB显存。对于普通玩家来说，这样的硬件要求几乎无法实现。

因此，我们将视线转向DeepSeek R1的四个小型蒸馏模型，这些模型分别对应Qwen和Llama，适合配置要求较低的设备：

• DeepSeek-R1-Distill-Llama-8B
• DeepSeek-R1-Distill-Qwen-14B
• DeepSeek-R1-Distill-Qwen-32B
• DeepSeek-R1-Distill-Llama-70B

海外博主已经整理出相关配置供大家参考。只要GPU等于或超过VRAM要求，模型可以在较低规格的GPU上运行，不过可能需要一些设置调整，性能表现也不是最佳。

我的建议是，不要把这几款R1蒸馏小模型看作是特斯拉，它更像五菱宏光——能跑，但性能差距明显，或者少了些关键功能。

在本地部署时，特别是在自定义知识库能力方面，效果往往不尽如人意。面对具体问题，它要么无法准确“按图索骥”，要么直接胡编乱造，准确度堪忧。

对于大多数用户来说，老老实实使用官方版或第三方平台，才是最合适的选择。这样不仅避免了高昂的硬件投入，还能确保性能不会受到限制。

而且，当你花费大量时间、精力和金钱去折腾本地部署这些小模型时，不如下班后享受一顿美餐，轻松又实惠。

不过，对于企业用户、开发者，或是有特殊数据隐私需求的用户，本地部署依然值得考虑。前提是，你必须清楚自己为什么需要它，并了解它所存在的各种局限性。