DeepSeek локально: как запустить на своём компьютере

Чтобы запустить DeepSeek локально, поставьте Ollama и выполните одну команду, например ollama run deepseek-r1:8b. Но важная оговорка: дома запускается не та модель, что отвечает в чате DeepSeek. Это уменьшенные «дистиллированные» версии DeepSeek-R1 размером от 1,1 до 43 ГБ. Полная R1 весит 404 ГБ, а свежие DeepSeek V4.1-Flash и V4-Pro Ollama предлагает только в облаке. Ниже – какие версии подойдут вашему компьютеру, как их запустить и как проверить, что всё работает быстро. Данные сверены с официальными страницами Ollama, Hugging Face и LM Studio на октябрь 2026.

Что именно можно запустить дома

DeepSeek выпускает несколько семейств моделей, и у них очень разные требования. Сначала разберёмся, что есть в библиотеке Ollama по состоянию на октябрь 2026.

Модель	Размер по странице Ollama	Где считается
deepseek-r1 (дистилляты от 1,5b до 70b)	от 1,1 до 43 ГБ	На вашем компьютере
deepseek-r1:671b – полная R1	404 ГБ	Только на сервере с огромной памятью
deepseek-v3.1	671 млрд параметров	Серверная модель, домашним ПК не по силам
deepseek-v4.1-flash	763 млрд параметров, контекст 1 млн токенов	Облако Ollama (тег :cloud)
deepseek-v4-pro	1,65 трлн параметров, контекст 1 млн токенов	Облако Ollama (тег :cloud)

Практический вывод: для домашнего запуска вам нужна линейка deepseek-r1 от 1,5b до 32b, максимум 70b на мощной станции. Всё остальное требует серверного железа или идёт через облако. Подробнее про саму модель и её режимы – в статье «DeepSeek: что это и как пользоваться».

Дистиллят – это не полный DeepSeek

Страница deepseek-r1 в Ollama объясняет: DeepSeek взял рассуждения большой модели R1 и «переливает» их в небольшие плотные модели других разработчиков. То есть deepseek-r1:14b – это не уменьшенный DeepSeek, а модель Qwen, дообученная на данных, которые сгенерировала R1. По странице:

• 1,5b, 7b, 14b и 32b построены на Qwen (DeepSeek-R1-Distill-Qwen);
• 70b построена на Llama (DeepSeek-R1-Distill-Llama-70B);
• тег 8b – это DeepSeek-R1-0528-Qwen3-8B, обновлённая версия на основе Qwen3;
• полная DeepSeek-R1 – это только 671b.

Лицензия весов R1 – MIT: коммерческое использование и дообучение разрешены. Для дистиллятов есть нюанс: версии на Qwen наследуют лицензию Apache 2.0 (для Qwen2.5), а 70b на Llama – лицензию Llama 3.3; детали перечислены в разделе License на странице модели.

Что это значит на практике. Маленькая модель рассуждает «в стиле DeepSeek», но по знаниям и надёжности не равна большой: чем меньше параметров, тем чаще ошибки в фактах, длинных расчётах и сложном коде. Цифры бенчмарков мы не приводим: сравнивайте на своих задачах. И не ждите, что deepseek-r1:7b ответит так же, как чат на сайте DeepSeek.

Какой размер выбрать под ваше железо

Главное правило: файл модели должен поместиться в память, на которой она считается. Если у вас видеокарта, лучше всего, когда файл целиком в видеопамяти. Если не помещается, Ollama использует и оперативную память, но ответы становятся медленнее – об этом прямо сказано в документации. Кроме самого файла, память нужна под контекст: чем длиннее диалог, тем больше расход.

Команда	Файл	Ориентир по железу
ollama run deepseek-r1:1.5b	1,1 ГБ	Любой ноутбук; для проверки идеи, не для работы
ollama run deepseek-r1:7b	4,7 ГБ	Видеокарта от 8 ГБ или 16 ГБ оперативной памяти
ollama run deepseek-r1:8b	5,2 ГБ	То же; этот вариант скачивается по умолчанию
ollama run deepseek-r1:14b	9,0 ГБ	Видеокарта от 12 ГБ
ollama run deepseek-r1:32b	20 ГБ	Видеокарта на 24 ГБ
ollama run deepseek-r1:70b	43 ГБ	Несколько видеокарт или рабочая станция с большой памятью

Размеры файлов взяты со страницы Ollama; колонка «Ориентир» – наш практический расчёт «файл плюс запас на контекст», а не требование производителя. Какая именно модель подойдёт вашей видеокарте и сколько памяти нужно «семёркам» и «четырнадцаткам» в целом, разобрано в статье «Лучшие модели для Ollama».

Если видеокарты нет, модель считается на процессоре. Это работает, но для рассуждающей модели, которая долго «думает» перед ответом, будет заметно медленно. На слабом компьютере начните с 1,5b или 7b и оцените скорость сами. Не хватает мощности – вспомните про аренду сервера с видеокартой.

Пошаговый запуск через Ollama

Шаг 1. Установите Ollama

На Windows в PowerShell выполните irm https://ollama.com/install.ps1 | iex или скачайте установщик на странице ollama.com/download. На macOS и Linux – curl -fsSL https://ollama.com/install.sh | sh. Подробная инструкция с проверкой – в статье «Ollama: установка и первые шаги».

Шаг 2. Скачайте и запустите модель

ollama run deepseek-r1:8b

Команда скачает 5,2 ГБ при первом запуске и откроет чат прямо в терминале. Если хотите сначала только скачать, используйте ollama pull deepseek-r1:8b. Список установленных моделей показывает ollama ls, удалить ненужную – ollama rm имя_модели.

Шаг 3. Проверьте, где считается модель

ollama ps

В столбце PROCESSOR вы увидите, где загружена модель: 100% GPU – вся в видеопамяти, 100% CPU – вся в оперативной, что-то вроде 48%/52% CPU/GPU – разделена между ними. Хороший результат – 100% GPU. Если видите смесь, возьмите модель поменьше или уменьшите контекст.

Шаг 4. Настройте контекст

По документации Ollama, длина контекста по умолчанию зависит от видеопамяти: меньше 24 ГиБ – 4k токенов, от 24 до 48 ГиБ – 32k, от 48 ГиБ – 256k. Для длинных документов и задач-агентов документация советует не меньше 64 000 токенов. Но большой контекст требует больше памяти. Задать его можно в настройках приложения Ollama или переменной:

OLLAMA_CONTEXT_LENGTH=16000 ollama serve

На Windows переменные окружения задаются через «Изменить переменные среды для вашей учётной записи». Подробности – в документации Ollama.

Что вы увидите в ответах

Страница модели помечает deepseek-r1 как «thinking»: перед ответом она пишет цепочку рассуждений. В Ollama этот ход мыслей приходит отдельным полем thinking, а итоговый ответ – полем content. В API можно управлять режимом параметром think: true включает показ, false просит не выводить, если модель позволяет. Это удобно, когда вы подключаете модель к своей программе и хотите получать только итог. Как это сделать через API – в статье про Ollama.

Рассуждения увеличивают время ответа и расход памяти. Для простых вопросов («переведи фразу», «исправь опечатки») маленькая обычная модель из подборки лучших моделей для Ollama может оказаться удобнее, чем R1.

Альтернатива: LM Studio

Если командная строка не нравится, используйте LM Studio – приложение с окном, поиском и скачиванием моделей. По странице системных требований: на Windows поддерживаются x64 и ARM, для x64 нужна поддержка набора инструкций AVX2, рекомендуется не менее 16 ГБ оперативной памяти и не менее 4 ГБ выделенной видеопамяти. Пошаговая установка – в статье «LM Studio: установка и настройка», а как не ошибиться с моделью – в «Какую модель выбрать в LM Studio».

А как же DeepSeek V4

На Hugging Face в организации deepseek-ai лежат открытые веса свежих моделей под лицензией MIT, в том числе DeepSeek-V4.1-Flash и DeepSeek-V4-Pro-0813. Но это исходные файлы в формате safetensors (для V4.1-Flash – 8-битные), и по данным Hugging Face репозиторий V4.1-Flash занимает порядка 500 ГБ, а V4-Pro ещё крупнее: у неё 1,65 трлн параметров. Это серверные модели. Ollama на своих страницах предлагает их только как облачные (ollama run deepseek-v4.1-flash:cloud) с оплатой по токенам или по подписке – цены на странице ollama.com/pricing, перед использованием проверяйте их там. Облачный запуск уже не локальный: запросы обрабатываются на серверах Ollama.

Если ваша цель – просто современная модель DeepSeek без своего железа, смотрите в сторону официального API или чата: статья «DeepSeek: что это и как пользоваться» разбирает оба варианта. Для локального запуска ориентируйтесь на R1 и модели других семейств из подборки для Ollama.

Приватность и ограничения

• Локальный запуск. По FAQ Ollama, при работе локально разработчики не видят ваши запросы и данные. Модель считается на вашем компьютере, после скачивания интернет не нужен.
• Облачные модели. Для тегов :cloud запросы обрабатываются на стороне Ollama. Чтобы полностью отключить облако, в документации предлагается переменная OLLAMA_NO_CLOUD=1.
• Скачивание. Модели скачиваются один раз с серверов Ollama; нужен достаточный запас места на диске, а 43 ГБ или 404 ГБ – это отдельный объём.
• Сторонние сборки. На Hugging Face встречаются неофициальные уменьшенные версии DeepSeek. Официальные веса выкладывает организация deepseek-ai; сборки других авторов проверяйте по описанию и источнику.

Чек-лист

1. Узнайте объём видеопамяти и оперативной памяти компьютера.
2. Выберите размер R1, файл которого помещается в видеопамять с запасом.
3. Установите Ollama и выполните ollama run deepseek-r1:8b (или другой размер).
4. Проверьте ollama ps: желательно 100% GPU.
5. Задайте контекст под вашу задачу, не больше, чем позволяет память.
6. Сравните ответ на ваших реальных вопросах с чатом DeepSeek: пригодятся ли вам такие ответы.

Частые вопросы

Как запустить DeepSeek локально?

Установите Ollama и выполните ollama run deepseek-r1:8b. Команда скачает модель размером 5,2 ГБ и откроет чат. Вместо 8b можно выбрать 1.5b, 7b, 14b, 32b или 70b, смотря на память вашего компьютера.

Можно ли запустить полный DeepSeek на домашнем компьютере?

Нет, если речь о полной DeepSeek-R1 (404 ГБ), V3.1 (671 млрд параметров), V4.1-Flash или V4-Pro. Это серверные модели. Дома запускаются дистилляты R1 до 32b, на мощной станции – 70b.

Чем DeepSeek-R1 8b отличается от DeepSeek в чате?

Это небольшая модель на основе Qwen3, дообученная на данных, которые сгенерировала большая R1. Она рассуждает в похожей манере, но по знаниям и надёжности меньше большой модели. Сравните на своих задачах.

Нужна ли видеокарта?

Нет, модель может считаться на процессоре, но быстрее всего работает, когда помещается в видеопамять. Проверить, где она считается, можно командой ollama ps.

Нужен ли интернет и аккаунт?

Для локального запуска аккаунт и API-ключ не требуются. Интернет нужен один раз, чтобы скачать модель; после этого она работает без сети.

Можно ли использовать локальный DeepSeek в коммерческих проектах?

Лицензия весов DeepSeek-R1 – MIT, она разрешает коммерческое использование. Но дистилляты наследуют лицензии базовых моделей (Apache 2.0 для Qwen2.5, лицензия Llama 3.3 для 70b – так сказано в описании Ollama), поэтому прочитайте раздел License на странице нужной модели.

Почему DeepSeek V4 есть в Ollama, но не запускается у меня?

Потому что в Ollama V4.1-Flash и V4-Pro доступны только как облачные модели с тегом :cloud: они слишком большие для домашнего компьютера. Это облачный вариант, а не локальный.