解锁 deepseek-r1：安装免费 AI 替代 OpenAI 并节省开支的 5 个步骤

Rifx.Online
Machine Learning , Deep Learning , AI Applications
08 Mar, 2025

了解如何本地安装 DeepSeek-R1 用于编码和逻辑问题解决，无月费，无数据泄露。

DeepSeek-R1 推理模型

厌倦了为高级 AI 模型支付高昂的订阅费用？认识一下 DeepSeek-R1，这是一个免费、开源且注重隐私的推理 AI，可与 OpenAI 的 200 美元/月的 o1 模型相媲美。在本指南中，我将向您展示如何在本地安装 DeepSeek-R1，利用其编码能力，并可能每月节省数百美元。

什么是 DeepSeek-R1 以及它与 OpenAI-o1 的比较？

DeepSeek-R1 不仅仅是另一个 AI 模型，它还是推理 AI 模型的一场革命，它提供了与 OpenAI 的 200 美元/月的 o1 模型相当的性能，同时是免费、开源、本地部署时私有的，并针对数学、编码和逻辑问题解决等任务进行了优化。以下是使其具有突破性的原因：

模型比较 DeepSeek-R1 vs OpenAI-o1

*输入 tokens; **输出 tokens

1. 强化学习 (RL) 而非监督式微调

与 OpenAI 依赖于标记数据集不同，DeepSeek-R1 使用纯 RL 来开发推理技能。它通过反复试验学习，生成问题的解决方案，而无需逐步指导。
这种方法使其在 AIME 2024（一个数学基准）上获得了 79.8% 的 pass@1 分数，略优于 OpenAI-o1。 RL 过程还支持自我验证和长链推理——这是复杂任务的关键。

2. 成本效益

API 成本：DeepSeek 的 API 比 OpenAI-o1 便宜 96.4%（每百万输入 tokens 分别为 0.55 美元和 15 美元）。
本地部署：在消费者硬件上运行蒸馏版本（1.5B–70B 参数），完全避免了云费用。

3. 开源灵活性

无需限制地微调 DeepSeek-R1 或将其集成到您的项目中。它的 6 个蒸馏模型（基于 Llama 和 Qwen 架构）可满足不同的需求，从轻量级应用程序 (1.5B) 到高性能任务 (671B)。

DeepSeek-R1 vs OpenAI-o1 的性能

DeepSeek-R1 擅长于推理密集型任务，而 OpenAI-o1 在常识方面保持优势。对于专注于数学、编码或成本效益的开发人员来说，DeepSeek 是更好的选择。

DeepSeek-R1 的逐步安装指南（本地）

这是一种注重隐私的方法，通过使用 Ollama 作为在本地运行 DeepSeek-R1 的基础。以下是如何设置 Ollama、DeepSeek-R1 和 Open Web UI 进行可视化。

1. 使用终端安装 Ollama（macOS/Linux）：

curl -fsSL https://ollama.com/install.sh | sh
ollama -v #check Ollama version

2. 通过 Ollama 下载 DeepSeek-R1：

## Default 7B model (4.7GB - ideal for consumer GPUs)
ollama run deepseek-r1

## Larger 70B model (requires 24GB+ VRAM)
ollama run deepseek-r1:70b

3. 设置 Open Web UI（私有界面）

确保您的机器上已安装 docker，然后通过在终端上运行来安装 Open Web UI。

docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

访问 http://localhost:3000 并选择 deepseek-r1:latest。 所有数据都保留在您的机器上 - 没有云跟踪或数据泄露。

4. 在本地测试 DeepSeek-R1

让我们尝试让模型创建一个贪吃蛇游戏。如下图所示，模型执行了所有思维链，以获得最佳响应。诚然，所花费的时间不是很好，但至少我们通过该模型获得了更有效的响应。

DeepSeek-R1 7B 在 Python 中创建贪吃蛇游戏

它做得很好，但花了将近 3 分钟！

DeepSeek-R1 创建的 Python 版贪吃蛇游戏

如何将 DeepSeek-R1 集成到您的项目中

因此，您有两种类型的集成方法。第一种是如上一节所示的 DeepSeek-R1 本地部署，第二种是使用来自 DeepSeek 服务器的云 API（生产就绪）。

1. 本地部署（注重隐私）

使用您的 Ollama 实例作为 OpenAI 兼容的端点：

import openai

## Connect to your local Ollama instance
client = openai.Client(
    base_url="http://localhost:11434/v1",
    api_key="ollama"  # Authentication-free private access
)

response = client.chat.completions.create(
    model="deepseek-r1",
    messages=[{"role": "user", "content": "Explain blockchain security"}],
    temperature=0.7  # Controls creativity vs precision
)

2. 使用官方 DeepSeek-R1 云 API

对于可扩展的应用程序，请使用 DeepSeek 的官方 API，您可以通过创建一个帐户并生成一个密钥来在此处获取 DeepSeek API 密钥。

import openai
from dotenv import load_dotenv
import os

load_dotenv()
client = openai.OpenAI(
    base_url="https://api.deepseek.com/v1",
    api_key=os.getenv("DEEPSEEK_API_KEY")
)

response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[{"role": "user", "content": "Write web scraping code with error handling"}],
    max_tokens=1000  # Limit costs for long responses
)