DeepSeek 本地部署：3 步安装 + 2026 硬件要求（新手必看）
在自己的显卡、Mac 或 PC 上跑 DeepSeek 的老实指南：哪些模型能跑、要多少内存、三步装好。
buffer关于作者约 5 分钟阅读
想在自己电脑上DeepSeek 本地部署——不走 API、不花按量的钱、数据也不出本机。先说结论：中小号的 DeepSeek 在很多人手里现成的硬件上就能跑；但大家一说起「DeepSeek」脑子里那个满血 671B，要的是服务器，不是笔记本。这个站一直干的事就是帮你把钱花在刀刃上，所以下面是实话版，附上我自己掏钱前一定会先核的数字。
你真正能下载到的是哪个 DeepSeek
先把一个人人都踩的坑说清楚：下载页上有两类东西都叫「DeepSeek」。普通硬件能带动的，是蒸馏版 R1——1.5B、7B、8B、14B、32B、70B——它们其实是用 DeepSeek-R1 的推理能力再训练过的 Qwen 和 Llama，好用、也小，但不是真正的 R1。
真正的开源权重——DeepSeek-V3、V3.1 和满血 R1——是 671B 的 MoE 大模型。最新的前沿版 V4-Pro、V4.1-Flash 在 Ollama 上标的是 cloud（云端），也就是服务器级，不是随手一拉就能下的。这些在 Ollama 模型库 和 Hugging Face 上都能自己核。所以普通 PC 或 Mac 上谈 DeepSeek 本地部署，实际谈的就是蒸馏版那几个尺寸。
DeepSeek 本地部署先看内存
决定一切的是内存——显卡的显存，或者 Mac 的统一内存。粗略规律：4-bit（多数人用的 q4_K_M）下，一个模型需要的内存比它的文件略大一点，再加上上下文窗口的开销。下表的文件大小直接取自 Ollama 标签，就是实际落到你硬盘上的体积。
| 模型（4-bit） | 下载量 / 所需内存 | 比较从容的硬件 |
|---|---|---|
| DeepSeek-R1 1.5B | 1.1 GB | 几乎什么都能跑 |
| DeepSeek-R1 7B | 4.7 GB | 8 GB 显卡 / 16 GB Mac |
| DeepSeek-R1 8B | 5.2 GB | 8 GB 显卡 / 16 GB Mac |
| DeepSeek-R1 14B | 9.0 GB | 12–16 GB 显卡 / 24 GB Mac |
| DeepSeek-R1 32B | 20 GB | 24 GB 显卡 / 32–48 GB Mac |
| DeepSeek-R1 70B | 43 GB | 48 GB 显卡 / 64–128 GB Mac |
| 满血 671B（V3.1 / R1） | 404 GB（q4）、713 GB（q8） | 只能上多卡服务器 |
两条实话：换成 8-bit，体积大致翻倍；上下文拉长还要再额外吃内存——模型文件只是地板，不是天花板。
各档硬件能跑多大
显卡这边关键看显存：RTX 4060 是 8 GB，RTX 4090 是 24 GB，新的 RTX 5090 是 32 GB GDDR7。所以 8 GB 卡大概到 8B 就到顶，24 GB 的 4090 能 4-bit 跑 32B，5090 跑 32B 还有富余、能开始够一够 70B。（国行具体售价这里不乱写，以官方渠道为准。）
Mac 是另一套打法：统一内存和 GPU 共享，所以 32 GB、48 GB 的 Mac 能装下同价位 PC 显卡装不下的模型，只是慢一些。要为这事挑 Mac 的话，内存到底买多大我在 Mac 现在买还是等那篇 里掰得很细——一句话：24 GB 是我的底线，48 GB 是本地 AI 的甜点档。
最快的安装路径
不用碰 Python。两个工具几乎覆盖所有人。Ollama 是一行命令流：装好，敲 ollama run deepseek-r1:8b，终端里就能聊。LM Studio 是同一套思路但带图形界面和模型浏览器，不喜欢命令行就用它。两个都免费，也是我会让朋友第一次 DeepSeek 本地部署时用的。
别回避的几条限制
热闹里常被跳过的部分：蒸馏版很好，但不是满血 R1——真碰硬推理，差距看得见。而真正的 671B 在家里基本够不着：4-bit 就要 404 GB，意味着一柜子显卡，或者一台贵到离谱的顶配 Mac，哪怕堆上去也慢。我不会给你一个「DeepSeek 每秒多少 token」的数，因为我没在每台机器上都实测过，谁给你一个干净的单一数字，多半是在糊弄。DeepSeek 本地部署想跑得爽，诀窍很简单：挑一个能被内存从容装下、还留点余量的模型，体验就顺；硬塞一个刚好塞满的，它就卡。
美国禁令之后还能用 DeepSeek 吗
这个问题现在每次都有人问，所以直接说：个人，能用。北京时间 2026-10-19，美国公示了一份 DHS 命令（其实 7 月 24 日就签了），要求联邦民用机构停止采购 DeepSeek 并从系统里移除，连基于 DeepSeek 做的第三方产品、以及机构内的开源本地部署都在移除之列。国防和情报系统由别的部门另行处理，不在这份命令里。
它没有动到普通人：个人和企业不在范围内，App 当时也还在美区 App Store（10-19 刚更新过）。一个值得知道的细节：申请例外的 60 天窗口是从 7 月签署起算的，所以在命令公开（约 9-22 就已截止）之前就关上了。原始文件可以在 美国联邦公报 上看。
所以我会怎么选
只是想试试，就今晚装个 Ollama 把 8B 拉下来——几乎什么机器都塞得下。要当正经活干，瞄准 24–32 GB 显存或 48 GB 的 Mac，常驻在 14B–32B 这一档。671B 的梦留给有服务器预算的人；其他人在这档中号上 DeepSeek 本地部署会很舒服。要是硬件这笔账怎么算都不划算，订阅往往更便宜——我在 AI 订阅价格对比 里算过。想看 DeepSeek 为什么一直往便宜里卷，可以读我这篇 DeepSeek × 华为：AI 该卷价格了。
写于 2026 年 10 月 20 日（Asia/Shanghai）。模型体积取自 Ollama 模型库；显存取自 NVIDIA 规格页；禁令细节取自美国联邦公报。文中没有任何我自测的速度数据。
顺便看：AI 硬件专题和DeepSeek 专题。