Запуск DeepSeek-R1 локально через Ollama упирается в один главный вопрос: какая именно версия модели поместится в вашу память — дистиллированные варианты на 1.5B–70B параметров требуют от нескольких гигабайт ОЗУ до десятков гигабайт видеопамяти, а полная модель на 671B параметров на обычном домашнем ПК практически не запускается. Поэтому подбирать системные требования нужно не «под DeepSeek вообще», а под конкретный размер модели.
Полное семейство DeepSeek-R1 включает основную модель и компактные дистилляты на базе архитектур Qwen и Llama. Именно дистилляты — реалистичный вариант для домашнего компьютера. Ниже разберём, сколько ресурсов нужно каждой версии, какую роль играет видеокарта и что делать, если железо не дотягивает.
Какие версии DeepSeek можно запустить локально
Локально через Ollama, LM Studio или llama.cpp доступны квантованные версии модели. Чем больше параметров, тем выше качество рассуждений — и тем жёстче требования к памяти.
- 🟢 1.5B — самая лёгкая, работает даже на ноутбуке без дискретной видеокарты;
- 🟡 7B и 8B — оптимум для ПК с 16 ГБ ОЗУ или видеокартой на 6–8 ГБ;
- 🟠 14B — требует уже порядка 16 ГБ свободной памяти с запасом;
- 🔴 32B и 70B — уровень рабочих станций с 24+ ГБ VRAM или большим объёмом ОЗУ.
Полная модель DeepSeek-R1 671B даже в квантованном виде требует сотни гигабайт памяти — её локальный запуск относится к серверному сегменту, а не к домашнему ПК. Ориентируйтесь на дистилляты.
Минимальные и рекомендуемые требования
Точные цифры зависят от уровня квантования (Q4, Q8 и т.д.) и длины контекста, но ориентиры по памяти выглядят так:
| Модель | Минимум ОЗУ | Комфортно (ОЗУ/VRAM) | Место на диске |
|---|---|---|---|
| DeepSeek-R1 1.5B | 8 ГБ | 8–16 ГБ | ~2 ГБ |
| DeepSeek-R1 7B/8B | 16 ГБ | 16–32 ГБ или 8 ГБ VRAM | ~5–6 ГБ |
| DeepSeek-R1 14B | 16–24 ГБ | 32 ГБ или 12–16 ГБ VRAM | ~9 ГБ |
| DeepSeek-R1 32B | 32 ГБ | 64 ГБ или 24 ГБ VRAM | ~20 ГБ |
| DeepSeek-R1 70B | 48–64 ГБ | 128 ГБ или 2×24 ГБ VRAM | ~40+ ГБ |
Главное правило: суммарная свободная память (VRAM + ОЗУ) должна превышать размер файла модели минимум на 20–30% — иначе система уйдёт в подкачку, и генерация замедлится до непригодной.
⚠️ Внимание: указанные объёмы — ориентировочные для квантования Q4. Более точные версии (Q8, FP16) занимают заметно больше места. Перед загрузкой проверяйте размер конкретного файла модели на странице релиза.
Роль видеокарты: VRAM против ОЗУ
Запуск на GPU даёт кратный прирост скорости по сравнению с чистым CPU-режимом. Для этого видеокарте нужно достаточно VRAM: модели 7B–8B комфортно работают на картах с 8 ГБ видеопамяти, 14B — на 12–16 ГБ, 32B — на 24 ГБ.
Если VRAM не хватает, Ollama автоматически переносит часть слоёв в оперативную память. Работать будет, но медленнее. На чистом CPU генерация возможна даже без видеокарты — однако для моделей от 14B скорость может составлять считанные токены в секунду.
Процессор и диск
Требования к CPU умеренные: подойдёт любой современный многоядерный процессор. Чем больше ядер и выше частота памяти, тем быстрее идёт генерация в CPU-режиме. Поддержка инструкций AVX2 желательна — она есть у большинства процессоров последнего десятилетия.
Диск нужен прежде всего для хранения весов модели. Рекомендуется SSD: загрузка модели в память с HDD может занимать минуты. Зарезервируйте место с запасом, если планируете держать несколько моделей одновременно.
Установка и проверка запуска через Ollama
Самый простой способ — установить Ollama с официального сайта и скачать модель одной командой. Пример для 8B-версии:
ollama run deepseek-r1:8bПосле загрузки модель сразу откроется в диалоговом режиме. Если ответы генерируются очень медленно — значит, модель не поместилась в VRAM и работает через ОЗУ или своп.
☑️ Проверка готовности системы
⚠️ Внимание: скачивайте Ollama и веса моделей только из официальных источников. Сторонние «сборки» локальных нейросетей — частый канал распространения вредоносного ПО.
Что делать, если железо не тянет
Откровенно: слабый ПК — не приговор. Возьмите модель меньше: 1.5B или 7B в квантовании Q4 работают на весьма скромных конфигурациях. Качество рассуждений у дистиллятов ниже, чем у полной версии, но для повседневных задач — черновиков, кода, суммаризации — его часто достаточно.
Альтернативы при совсем слабом железе
Используйте облачный доступ к DeepSeek через официальный веб-чат или API — системные требования тогда сводятся к браузеру. Локальный запуск имеет смысл ради приватности и работы офлайн, но не является единственным способом пользоваться моделью.
Ещё один путь — закрыть фоновые приложения перед запуском, чтобы освободить память, и уменьшить контекстное окно в настройках: длинный контекст заметно увеличивает потребление VRAM.
Частые вопросы
Запустится ли DeepSeek на 8 ГБ ОЗУ?
Да, но только самые лёгкие дистилляты — 1.5B, возможно 7B в сильном квантовании с медленной работой. Комфортный минимум для 7B–8B — 16 ГБ.
Обязательна ли видеокарта NVIDIA?
Нет. Модель работает и на CPU, и на GPU других производителей, но поддержка и скорость зависят от используемого инструмента (Ollama, llama.cpp) и драйверов. На чистом CPU всё будет заметно медленнее.
Сколько места занимает DeepSeek на диске?
Зависит от размера модели: от ~2 ГБ для 1.5B до десятков гигабайт для 70B. Точный размер указан на странице конкретной модели перед загрузкой.
Можно ли запустить полную DeepSeek-R1 671B дома?
Практически нет: даже квантованная версия требует сотни гигабайт памяти. Для домашнего использования предназначены дистиллированные модели 1.5B–70B.
Почему модель отвечает очень медленно?
Наиболее вероятная причина — модель не поместилась в VRAM и работает через ОЗУ или файл подкачки. Проверьте загрузку памяти и попробуйте модель меньшего размера или с более сильным квантованием.