一、DeepSeek 安装部署

之前已经写过教程介绍如何部署DeepSeek，具体可参考以下内容：

以上方式在云端产品上实现 DeepSeek 的私有化部署，除此之外，也可以部署安装在本地机器上，如个人PC电脑、内网电脑等环境。

无论使用哪种方法，本质上都是通过安装 Ollama 运行 DeepSeek的大模型来实现，只是具体的实现方式不同。

那么不同的模型有什么区别？具体如何选择模型？本文就介绍一下模型的特点以及推荐的模型。

二、DeepSeek “满血版”模型

1、DeepSeek-V3：全能创作王

DeepSeek-V3 拥有 6710 亿参数 ，采用了先进的 MoE（Mixture of Experts）架构。在这个架构中，就像是有一个专家团队，每个专家都擅长解决某一类特定的问题。在处理任务时，模型会根据具体情况，智能地激活最相关的 “专家”，这样不仅大大提高了计算效率，还能让模型在各种复杂任务中都表现得游刃有余。

2、DeepSeek-R1：超级推理大师

DeepSeek-R1 是基于 V3 开发的第一代推理模型在推理领域展现出了非凡的实力，堪称 “推理能手”。特别主打推理功能，在数学、编程和自然语言推理等任务中都有着极为出色的表现。

在数学推理方面，如同顶尖的数学家，面对各种复杂的数学难题，如 AIME 数学竞赛中的题目，找到解题的关键思路，最终给出准确的答案，在 AIME 2024 基准测试中甚至超越了 OpenAI O1 。

在编程任务中，能够根据给定的需求，快速生成高质量、高效的代码，帮助开发者大大提高开发效率，无论是复杂的算法实现，还是常见的应用程序开发，都能轻松应对。

在自然语言推理中，它能准确理解文本的含义，把握其中的逻辑关系，生成的回复自然流畅、富有逻辑，就像人与人之间的交流一样顺畅。

最大的问题就是，真的思考的太久，时间太长了。

以上2个模型，通常就是人们说的满血版，功能确实强大，但部署的硬件成本也是极高的，大多数的个人和中小企业恐无力承担。

三、DeepSeek 蒸馏模型

1111111.jpg

这张表格展示了不同模型在多种任务和评测指标上的表现：

  • 模型列：左侧一列列出了不同的语言模型，如GPT - 4o - 0513、Claude - 3.5 - Sonnet - 1022等。
  • 评测指标列：后面几列分别是不同的评测任务和指标，包括AIME 2024的pass@1和cons@64、MATH - 500的pass@1、GPQA Diamond的pass@1 、LiveCodeBench的pass@1以及CodeForces rating。这些指标用于衡量模型在数学问题、代码能力等方面的表现，数值可能代表答对率、通过率或某种评分。 不同模型在各项指标上的表现有所差异，反映了它们在不同任务上的能力强弱。

特别注意蒸馏模型的14B、32B、70B的分值，可以看出32B与70B在很多场景不相上下，甚至得分还超过70B，所以没有必要一味追求参数量的大小。

对比后可得出14B、32B是极具性价比，做到了参数规模适中，推理能力优秀，蒸馏模型中强烈推荐。

1、Distill-Qwen-1.5B：入门级

DeepSeek-R1-Distill-Qwen-1.5B 是轻量级模型，有 15 亿参数，响应速度快，对硬件要求不高，应用于快速响应，低配置硬件的场景。如实时问答系统、简单代码的快速生成等。

2、Distill-Qwen-7B：基础级

DeepSeek-R1-Distill-Qwen-7B 拥有 70 亿参数，在性能和资源需求之间找到了一个很好的平衡点。

在推理能力上有了进一步的提升，能够处理更复杂一些的数学和代码问题。在自然语言处理任务中，它也展现出了较强的语言理解和生成能力，生成的文本更加流畅自然，逻辑更加严密，是一款实用性很强的模型。

3、Distill-Llama-8B：基础级

DeepSeek-R1-Distill-Llama-8B 是在 Llama 架构上进行蒸馏得到的模型，拥有 80 亿参数。因为是基于 Llama 蒸馏，所以在中文场景下的表现与7B相比没有明显提升。

4、Distill-Qwen-14B ：进阶高手（推荐）

DeepSeek-R1-Distill-Qwen-14B 拥有 140 亿参数，是一位能力全面提升的 “进阶高手”，在推理能力上更上一层楼。

在数学推理任务中，能够处理更为复杂的数学问题，分析问题，找到解题的关键步骤，给出准确的答案。

在代码生成方面，可以生成更复杂、更高效的代码，对于大型项目中的代码编写和优化，能够提供有价值的参考和帮助。

在自然语言推理任务中，对文本的理解更加深入，能够捕捉到文本中的细微语义差别，生成的回复更加准确、贴切。

5、Distill-Qwen-32B：推理专家（推荐）

DeepSeek-R1-Distill-Qwen-32B 拥有 320 亿参数，可以说是 “推理专家”。参数规模适中，推理能力优秀，甚至能在某些方面与一些大型模型相媲美，性能超越 OpenAI-o1-mini。

在数学、代码与推理任务中，面对复杂的问题，能够迅速分析问题的关键所在，运用其强大的推理能力，快速准确地给出解决方案。无论是解决复杂的数学公式推导，还是生成高质量的代码片段，都能轻松应对。

由于其模型体积小，计算资源需求低，这使得它在各种硬件环境下都能灵活部署，无论是在普通的个人电脑上，还是在资源有限的边缘设备中，都能高效运行，为用户提供便捷的推理服务，真正做到了 “小身材，大能量”。

该模型是所有蒸馏模型的首选，性价比极高。

6、Distill-Llama-70B：推理专家

DeepSeek-R1-Distill-Llama-70B 是拥有 700 亿参数，在推理能力和应用场景上展现出了独特的能力。因为是基于 Llama 蒸馏，所以在中文场景下的表现与30B相比没有明显提升，有些场景下还不如30B。

四、DeepSeek 各模型的优势

模型名称参数规模优势特点擅长领域
DeepSeek-V36710 亿采用 MoE 架构，计算效率高；语言理解和生成能力强，推理能力卓越文本生成、推理任务、内容创作、智能客服、知识库检索
DeepSeek-R1基于 V3 开发在数学、编程和自然语言推理等任务中表现出色数学推理、编程、自然语言推理、数学问题求解、代码生成
DeepSeek-R1-Distill-Qwen-1.5B15 亿轻量级模型，推理速度快，响应迅速简单到中等难度的数学和代码推理任务、实时问答系统、简单代码生成
DeepSeek-R1-Distill-Qwen-7B70 亿在性能和资源需求间找到平衡，推理和语言处理能力较强较复杂数学和代码问题、智能客服、简单文本创作
DeepSeek-R1-Distill-Llama-8B80 亿在推理任务上实现有竞争力的性能，模型体积小，资源需求低数学和代码生成任务、资源受限环境下的推理应用
DeepSeek-R1-Distill-Qwen-14B140 亿推理能力进一步提升，能处理更复杂任务复杂数学推理、复杂代码生成、专业领域知识问答
DeepSeek-R1-Distill-Qwen-32B320 亿小巧精悍，推理能力强，性能超越 OpenAI-o1-mini，模型体积小，部署灵活复杂数学、代码与推理任务、各种硬件环境下的推理服务
DeepSeek-R1-Distill-Llama-70B700 亿继承 Llama 架构优势，推理能力深厚，语言理解和生成能力达到新高度高难度数学问题解答、大型软件项目代码生成、智能写作、文本摘要

五、写在最后

在选择模型时，还需要结合自己的硬件配置和预算来综合考虑。如果你的硬件资源有限，预算也相对较少，那么可以选择轻量级的模型，如 DeepSeek-R1-Distill-Qwen-1.5B，它对硬件要求较低，在普通的电脑配置上就能运行，同时成本也相对较低。虽然它的功能可能没有大型模型那么强大，但对于一些简单的任务，如简单的文本处理、基础的代码生成等，还是能够很好地完成的。

相反，如果你的硬件配置较高，预算充足，那么可以选择性能更强大的模型，如 DeepSeek-R1-14B 或 DeepSeek-R1-32B。这些模型能够处理更复杂的任务，在自然语言处理、复杂推理、大规模数据分析等领域展现出强大的实力。

没有必要一味追求参数量，根据实际情况来选择，不管怎么说，蒸馏模型推荐14B、32B。