DeepSeek V3与R1安装配置全攻略：从本地部署到API调用避坑指南

简介：这份PDF面向刚接触DeepSeek、想快速弄清下载与使用路径的普通用户和技术爱好者，围绕官方网页与手机APP、Ollama本地部署、API加客户端三种方案展开，帮助读者按隐私需求与硬件条件做出选择。资源为单个PDF文档，压缩包约311KB，篇幅精炼，适合通勤或碎片时间通读。内容先对比DeepSeek V3与R1的定位差异，再分别说明官方完整版的注册与模型切换、本地蒸馏版的版本规格与命令行安装要点，以及ChatBox等客户端配合API密钥的配置与费用监控思路，并附有官网、Ollama模型页等入口链接。已有366人学习，可作为上手前的路线图，减少在多种教程间反复试错的成本。

1. 从一次“装完却跑不动”的本地部署说起

上周帮一位开发者收拾一台笔记本，他照着某篇帖子装了 Ollama，拉了个 671B 的 DeepSeek R1 标签，结果机器风扇狂转、命令行卡死，最后连系统都进不去。这不是模型的问题，是版本和硬件没对上。DeepSeek 使用方法这件事，真正卡人的从来不是“点哪个按钮”，而是选哪条路、装哪个规格、参数怎么配。官方网页版、手机 App、Ollama 本地蒸馏版、API 加客户端，四条路对应四种环境，装错一条就白折腾。这篇笔记按我自己的部署习惯，把 DeepSeek V3 与 R1 的下载、安装、配置、验证和翻车救援一次写清，适合刚上手的新手照着走，也留给熟手看版本取舍和参数坑。

2. 装前先定路线：DeepSeek V3 与 R1 的三种落地形态

动手之前先把“装什么”定死，比装到一半再换省事得多。DeepSeek 开放的两款模型定位不同：V3 功能全面，绝大多数问答、写作、日常任务够用；R1 强在逻辑推理、写代码、数学题求解，但调用成本更高。选型不是选“最强”，是选“匹配”。下面三条路线，我一般按使用场景直接对号入座。

2.1 三条路线对照：官方、本地 Ollama、API 加客户端

| 路线 | 模型形态 | 硬件门槛 | 数据去向 | 适合谁 | | --- | --- | --- | --- | --- | --- | | 官方网页/App | 完整版 V3 & R1 | 无，浏览器或手机即可 | 走官方服务 | 追求效果、不想折腾 | | 本地 Ollama | 蒸馏版 R1（1.5B 至 671B） | 按规格，1.5B 约 1.1GB 内存起 | 全在本机 | 重隐私、性能要求不高 | | API + 客户端 | 第三方平台托管的 V3 & R1 | 无，能装客户端即可 | 走服务商 | 有基础、要灵活调用 |

官方路线最省心，完整版效果最好且免费，首次登录用手机号、微信或邮箱注册即可，网页和手机 App 体验基本一致，页面上能直接切 V3 和 R1。本地部署是“非满血版”，个人电脑性能有限，一般用蒸馏版，资源占用低但效果和完整版有差距，好处是数据不出本机。API 加客户端属于“次满血版”，把 DeepSeek 接到第三方平台上，用服务商的密钥调用，灵活但要盯费用。三条路没有优劣，只有合不合适。

2.2 版本规格怎么挑：1.5B 起步，别一上来就冲大参数

本地这条线最容易翻车的就是规格。Ollama 上 DeepSeek R1 提供从 1.5B 到 671B 多种规格，我一般让初次尝试的人直接选最小的 1.5B，约 1.1GB 内存，大多数电脑都能扛住，五分钟内能装完。等跑顺了，再按机器实际内存往 14B、34B 升。那位开发者的问题就出在这：机器只有十几 G 内存，却去拉 671B 的标签，下载和加载阶段就把资源吃干，系统自然卡死。记住一个朴素原则——模型参数量越大，对内存和显存的要求越高，先小后大，跑通再升级，这是本地部署最省后悔药的做法。

2.3 装前检查清单：内存、磁盘、命令行工具

正式装之前花两分钟过一遍清单，能挡掉大半低级问题。内存方面，1.5B 规格按 1.1GB 起算，留出系统余量，8GB 内存的机器跑 1.5B 没问题，想上 14B 建议 16GB 以上。磁盘方面，模型文件下载后要占空间，1.5B 体积不大，但大规格动辄几十 GB，装之前看一眼剩余空间。命令行工具方面，Windows 用“命令提示符”，Mac 打开 Terminal，后面拉模型全靠它。网络方面，Ollama 拉模型要下载文件，网速决定安装时长，1.5B 通常五分钟内完成，大规格就不好说了。这几项确认完，再往下走。

3. 本地部署实操：Ollama 装 DeepSeek R1 全流程

本地这条线是这篇笔记的重头，因为它是唯一需要真正“装环境”的路线，也是踩坑最集中的地方。整个流程分四步：装 Ollama、选规格、命令行拉模型、进对话验证。每一步我都把命令和参数含义写清，照着敲就行。

3.1 安装 Ollama：下载、安装与版本确认

先访问 Ollama 平台，这是一个集成主流 AI 大模型的平台，使用免费。点页面上的 “Download” 按钮下载对应系统的安装包，Windows 双击安装，Mac 拖进应用目录即可。装完先确认版本，打开命令行执行：

# 确认 Ollama 已正确安装并查看版本 ollama --version

这条命令返回版本号就说明装好了。如果提示“命令未找到”，Windows 多半是安装后没重开命令提示符，关掉重开一次；Mac 检查是否装到了应用目录、PATH 是否包含 Ollama 的可执行路径。版本号不用追最新，能正常返回即可，后面拉模型靠的是 Ollama 服务在后台跑，装完它一般会常驻。

3.2 拉取 DeepSeek R1 1.5B：命令拆解与参数说明

规格选定 1.5B 后，回到 Ollama 页面选择 1.5B 版本，复制自动生成的安装代码到命令行执行。核心命令就一条：

# 拉取并运行 DeepSeek R1 1.5B 蒸馏版 # 1.5b 是模型规格标签，对应约 1.1GB 内存占用 ollama run deepseek-r1:1.5b

ollama run会先检查本地有没有这个标签，没有就自动下载再启动。deepseek-r1是模型名，冒号后的1.5b是规格标签，这个标签写错就会拉到别的规格或者报找不到模型。安装时间视网速而定，1.5B 通常五分钟内完成。下载过程中命令行会有进度提示，别急着 Ctrl+C，中断后重跑会续传，但反复中断容易留下不完整的层，后面会讲怎么清。跑完之后，命令行会出现输入问题的提示区域，直接打字提问就能用。

3.3 首次对话与规格升级：从 1.5B 到 14B、34B

第一次对话别期待太高，1.5B 是蒸馏小模型，效果一般属于正常，它的价值是让你先把链路跑通。确认能问答之后，再按机器性能升级：

# 升级到 14B 规格，需更大内存，建议 16GB 以上再试 ollama run deepseek-r1:14b # 继续往上到 34B，对内存和显存要求更高 ollama run deepseek-r1:34b

升级就是换标签重跑，Ollama 会按需下载新规格。这里有个取舍：规格越大效果越好，但加载慢、占资源多，机器扛不住时会明显卡顿甚至被系统杀掉进程。我的习惯是先 1.5B 跑通，再 14B 试水，34B 只在确认内存充裕时上。升级不是必须，1.5B 能覆盖的轻量任务就别硬上大规格，省得机器遭罪。

3.4 模型管理：查看、删除与磁盘清理

装多了规格，磁盘会被悄悄吃掉。常用管理命令如下：

# 列出本地已下载的所有模型及体积 ollama list # 删除不再需要的模型规格，释放磁盘 ollama rm deepseek-r1:34b

ollama list能看到每个模型的体积，定期看一眼，把试过但不用的规格删掉。ollama rm后面跟完整标签，删错名字会提示找不到。还有一种情况是下载中断留下的残缺层，ollama list里可能看不到，但磁盘占用对不上，这时可以清一下 Ollama 的模型缓存目录再重拉。管理这一步不复杂，但养成习惯能避免“磁盘莫名满了”的玄学问题。

4. API 加客户端：ChatBox 接 DeepSeek 的配置方法

本地跑不动大规格、又想要接近完整版效果的人，走 API 加客户端这条线。它的本质是把模型放在第三方平台上，本地只装一个客户端，用 API 密钥去调。适合有一定计算机基础、需要灵活切换模型和控制成本的开发者。

4.1 客户端选型与安装：ChatBox 为例

市面上客户端不少，ChatBox、Cherry Studio、OneAPI、LobeChat、NextChat 都能接。这篇以 ChatBox 为例，手机端和桌面端都有，下载安装后界面和其他 AI 应用类似，输入框加对话区。选客户端的标准我一般看两点：是否支持自定义服务商和 API 密钥、是否能切换模型。ChatBox 这两点都满足，配置入口在设置里，找“服务商”或“模型提供方”相关选项即可。装客户端本身没门槛，难的是后面的密钥配置。

4.2 获取 API 密钥：注册、创建与保管

以国内平台硅基流动为例，访问其官网注册账号，登录后在控制台找到 API 密钥管理，创建一个新密钥。密钥是一串字符，创建后通常只完整显示一次，复制下来存好。这里有个血泪经验：密钥等同于账户凭证，别贴到公开仓库、别发群里，泄露了别人能直接刷你的额度。我一般建一个专用密钥、记下创建时间，后续对不上账时好排查。创建完先别急着关页面，下一步配置马上要用。

4.3 客户端配置：服务商、密钥与模型切换

打开 ChatBox，进设置选择服务商（例如硅基流动），把刚复制的 API 密钥粘贴进去，保存后回到对话界面测试。配置逻辑是：客户端把请求发给你选的服务商，服务商用密钥鉴权后转发给 DeepSeek 模型。测试时先发一句简单问题，能正常回复说明链路通了，再在模型选项里切到 R1 试推理类问题。如果报鉴权失败，先查密钥有没有复制全、有没有多余空格；如果报模型不存在，检查服务商那边是否开通了对应模型。配置本身不复杂，坑多在密钥和模型名对不上。

4.4 费用监控：R1 成本高于 V3 的取舍

API 调用是付费服务，R1 的成本高于 V3，这一点必须心里有数。日常问答、写作这类任务用 V3 就够，只有逻辑推理、写代码、数学题求解这类硬活再切 R1。我一般定期看服务商后台的使用量和费用明细，发现某类调用特别费，就回头调整默认模型。别把 R1 设成默认模型天天聊闲天，账单会教你做人。控制成本的核心不是少用，是用对模型——该 V3 的别上 R1，这是最直接的省钱方式。

5. 避坑与排查：DeepSeek 安装配置的五个常见翻车点

装环境这件事，顺利的时候十分钟，不顺利的时候一晚上。下面五条是我和身边人真实踩过的，按“现象 → 原因 → 解决”写，遇到对号入座即可。

5.1 拉模型卡死或系统无响应

现象：执行ollama run后命令行长时间无进度，风扇狂转，系统卡顿甚至假死。原因：拉的规格远超机器内存，模型加载阶段把资源吃干。解决：强制结束进程，用ollama list确认有没有残留，改用 1.5B 小规格重跑，确认机器内存余量后再逐级升。别一上来就冲大参数，这是最常见的翻车。

5.2 提示找不到 ollama 命令

现象：命令行输入ollama提示“不是内部或外部命令”或“command not found”。原因：安装后当前终端没刷新环境变量，或安装路径没进 PATH。解决：Windows 关掉命令提示符重开；Mac 确认装到了应用目录，必要时手动把可执行路径加进 PATH。重开终端能解决大部分这类问题。

5.3 模型标签写错导致拉取失败

现象：ollama run deepseek-r1:xxx报模型不存在。原因：规格标签拼错，比如把1.5b写成1.5B之外的花样，或用了不存在的规格。解决：回 Ollama 页面复制自动生成的完整命令，别手敲标签。标签大小写和数字都要对，复制粘贴最稳。

5.4 API 鉴权失败或模型不可用

现象：客户端发消息报鉴权错误或模型不存在。原因：密钥复制不全、带了空格，或服务商侧没开通对应模型。解决：重新复制密钥，检查首尾空格；到服务商控制台确认模型权限和余额。密钥只显示一次，丢了就重建一个。

5.5 磁盘被模型悄悄占满

现象：装了几个规格后磁盘空间告急，ollama list里却看不出明显大头。原因：下载中断留下的残缺层、试过没删的旧规格累积。解决：ollama list逐个核对体积，ollama rm删掉不用的，必要时清模型缓存目录再重拉。定期清理是习惯，不是救火。

6. 装完怎么验证跑通：三条路线的验收清单

装完不等于跑通，验收这一步很多人跳过，结果用的时候才发现问题。我的习惯是每条路线都走一遍固定验收动作，确认链路真的通。官方路线最简单：网页或 App 登录后能进对话界面，页面上能切 V3 和 R1，各发一句测试问题有正常回复，就算过。手机 App 扫码或应用商城装完后，登录、切模型、提问三步走一遍即可。

本地 Ollama 这条线验收要细一点。先ollama --version确认服务在，再ollama list确认目标规格在列表里，然后ollama run deepseek-r1:1.5b进对话，问一个简单问题看有没有回复。想再稳一点，可以问一道小学算术题，看它能不能给出连贯答案——1.5B 效果一般，但至少要有像样的回复，而不是乱码或空响应。升级到 14B 后重复同样动作，对比响应速度和内存占用，心里对机器能扛多大规格就有数了。

API 加客户端这条线，验收分两段：客户端里发一句简单问题确认鉴权通，再切到 R1 问一道推理题确认模型可用。两段都过，再去服务商后台看一眼这次调用有没有计费记录，有记录说明请求真的到了平台，链路完整。这一步很多人省掉，结果某天发现密钥失效或余额耗尽才回头查，白白耽误事。

从那以后我每次装完 DeepSeek，不管走哪条路线，都强制把对应那行验收动作走一遍，确认通了才敢交给别人用。装环境最怕的不是装不上，是装上了却不知道它到底通没通。希望帮到你。

本文还有配套的精品资源，点击获取