DeepSeek

春节期间，DeepSeek火遍全球，登上各个榜单的榜首。但是他们的官网，经常崩溃，一方面是被国外的网络攻击，另一方面是使用的用户实在是太多了，经常就导致问一两句话就“服务器繁忙”。

科普

本次火出圈的模型，是deepseek的R1模型（大家注意不要下错了），他之前也是发布了很多的模型，可以在github官网主页里面看到 github-deepseek
在R1的模型里面，还有很多量化版本。R1的原始模型，实际上是671B的，这个参数量非常的大，一般的电脑根本就带不动，如果你本地部署的话，只能选择蒸馏模型，比如你电脑有4090的显卡，24G显存的，你可以带得动这个32B或者70B的，但这个和671B的根本就不是一个量级，毕竟是一个阉割的版本。如果你的使用需求，并非保密单位或者是什么严格的科研论文还没发表，不能对外泄漏的，否则就直接使用这个671B的这个满血模型，处理文字的能力，是非常非常大的，如果要使用671B的这个DeepSeek—R1的话，强烈推荐API的方式去部署。

本文就手把手教大家一下，如何在我们的本地去使用deepseek，而且非常流畅的去使用它。一般来说有两种：

• API部署，满血版本，不卡顿，功能最强大。
• 本地算力部署，数据比较安全，完全免费，如果你有比较好的显卡，可以在本地算力里面跑。

API方式部署

使用华为云+硅基流动一起部署API。

• 先进入模型广场： https://cloud.siliconflow.cn/models ，如果没有注册可以先注册。注册好之后就直接赠送2000W的token。好，继续科普下：

  Token是什么？
  Token是文本的基本单位：可以是单词、子词（如"unhappy"拆分为"un"和"happy"）或标点符号。例如，中文通常以字或词为单位，英文可能拆分更细。
  量化文本长度：一段文本的token数量代表其复杂度和信息量。例如：
  英文：1个token ≈ 4个字母（平均）；
  中文：1个token ≈ 1-2个汉字（取决于分词方式）。
  

  那么两千万的token是什么概念？

  若模型支持单次处理2000万token（即约2000万词/字），这属于超长上下文能力。具体场景举例：
  长文档分析：直接处理整本书（例如《哈利·波特》约100万词）、长篇法律合同、学术论文。
  复杂任务：跨多篇文档的信息整合（如企业年报分析）、超长代码库理解。
  生成能力：生成数万字的连贯故事、报告或代码。
  

  所以，赠送的token数量绝对是够你日常的使用了。

• 新建密钥

这样就相当于API就申请下来了，而且免费白嫖了2000w的token。

• 安装本地的客户端
  类似的客户端有很多，比如Chatbox，Cherry-Studio，Ollama等等，我们就只需要安装其中一个即可，比如我们使用 Cherry-Studio 一步步下载安装完成后，打开的界面就是这样的。
  

然后设置完成后，就可以选择对应的模型了：

你就可以为所欲为了：

这样就可以使用api的方式进行满血模式，问问题的时候会有一个深度思考的过程，也会给你展示出来，我觉得这个思考的过程可能比答案本身给你的启示更大，我们可以看下AI平时是如何深度思考并回答我们的问题的。

本地算力无需联网的方式

现在部署根本不是问题，重点是本地硬件！！如果用了API，那就失去了本地的意义。多厉害的电脑就跑多厉害的模型，而且普通电脑是永远都跑不了满血版的，顶级的运算力永远都在顶级的配置上。所以，不太建立本地部署。 如果实在有需求，你按照以下初步流程吧，我电脑比较垃圾，都没有本地部署的欲望。

1.本地模型下载地址：https://ollama.com/library/deepseek-r1，点击download下载。
2.安装完成之后直接进行cmd，然后运行到ollama。
3.去官网下载相关的模型，根据你电脑的显存，当然这些都是阉割版本。