你可能已经在网页上用过 DeepSeek R1，但数据不想出内网、或者只是想断网也能用，于是想在自己机器上跑一个。Ollama 是目前门槛最低的一条路，但真正卡人的往往不是命令记不住，而是拉下来跑不动、显存报错、速度慢到没法用。这篇按「先确认能不能跑、再拉、再启动、最后排查」的顺序讲一遍，让你少走几趟弯路。
你可能已经在网页上用过 DeepSeek R1，但数据不想出内网，或者只是想断网也能用，于是动了在自己机器上跑一个的念头。Ollama 是目前门槛最低的一条路：装一个客户端，拉一个模型，敲一条运行命令，就能进交互界面打字。
真正卡人的往往不是命令记不住，而是拉下来跑不动、显存报错、速度慢到没法用。这篇按「先确认能不能跑、再拉、再启动、最后排查」的顺序讲一遍，每一步都给出可验证的动作，让你少走几趟弯路。
动手前先确认三件事：机器、量化档位、网络
别急着敲命令。先花五分钟把这三个前提捋清楚，比事后删几十 GB 权重再重下划算得多。机器决定你能不能装、装哪种方式；量化档位决定显存和内存够不够；网络和磁盘决定你要等多久、够不够放。
- 确认系统与加速后端：Windows、macOS、Linux 装法各不相同，装完先用一条最简单的命令确认服务已经起来、能正常回应；
- 模型体积要按量化和显存一起看，参数越大对显存和内存的要求越高，具体档位对照到 /models/deploy 按你手上的卡算一遍，别凭感觉下；
- 磁盘和下载速度也是硬门槛，权重文件动辄几十 GB，先确认默认模型存放路径在哪、剩余空间够不够；
- 纯 CPU 跑不是不能跑，但要提前接受输出速度慢这个事实，先想清楚自己是拿来试玩还是真要干活。
| 先确认什么 | 怎么看 | 不达标时怎么办 |
|---|---|---|
| 服务能否启动 | 装完跑最简命令看有没有正常回应 | 换安装方式或先排查端口占用 |
| 显存/内存够不够 | 对照 /models/deploy 的档位说明 | 降一档量化，或改用更小参数规格 |
| 磁盘空间 | 看模型默认存放路径所在盘剩余量 | 换盘或清理旧模型 |
| 能不能吃到显卡 | 跑起来后开终端看资源占用 | 到 /ollama-gpu-selection 查指定显卡的方法 |
拉取与启动：一条命令背后的几个选择
确认完前提就可以动手了。拉取、确认落地、进交互，三步下来模型就跑起来了。第一次启动会比后面慢，因为要加载权重，属于正常现象，不要以为卡死了就去强杀进程。
- 拉取模型用 Ollama 的拉取命令把模型取到本地，观察进度条是否正常推进；中断了可以重跑，已下载部分一般会续上。
- 确认已落地用列表命令看模型是否出现在本地清单里，名字和大小对得上才算成功。
- 进交互用运行命令进入对话界面，随便问一句，能出完整回答就说明链路通了。
- 起个好记的别名把模型拉成自己好记的别名，方便后面被别的工具调用时统一引用，省得每次翻清单找名字。
要让别的程序调用，走它自带的本地接口即可，接口地址和端口这类细节写在站内 /ollama-api-endpoint-guide 那类页面里，不用自己猜。选哪个规格的 R1 要跟你的显存对齐：显存吃紧就选更激进的量化版本，用一点质量换速度和可用性，这是常规做法，不是妥协。
跑起来但不好用：慢、卡、报错怎么排
能进交互不代表能干活。最常见的抱怨有两类：一是加载阶段就卡住或直接报错，二是能出字但慢得让人抓狂。这两类的成因完全不同，排查顺序也不能混。
先分清是「装不上」还是「跑得慢」。加载阶段卡住，多半是显存或内存不够，模型压根没被完整装进设备；生成阶段慢，多半是没吃到 GPU，纯靠 CPU 在硬扛。判断清楚再动手，不然容易白折腾。
- 确认它到底有没有用上显卡，多卡机器还要指定用哪一张，站内 /ollama-gpu-selection 有具体做法；
- 显存不够时按「换更小的量化 → 缩短上下文 → 减少并发」这个顺序降级，别一上来就想着换硬件；
- 输出速度慢的常见原因是显存卸载和上下文开太大，站内 /local-inference-speed-tuning 里有成体系的调参思路；
- 报错信息先原样记下来再搜，很多报错只是同一个根因的不同说法，直接改参数比反复重装快。
| 现象 | 最可能的原因 | 先试哪一步 |
|---|---|---|
| 加载就卡住或报内存错 | 显存/内存不足 | 换更小量化档位 |
| 能出字但很慢 | 没吃到 GPU 或上下文过大 | 先查 GPU 占用，再缩上下文 |
| 多卡机器只用了一张 | 未指定设备 | 按 /ollama-gpu-selection 指定 |
| 长时间无响应 | 首次加载权重或磁盘慢 | 等一会儿，看进程是否在读写 |
什么情况下这条路不适用
Ollama 的定位是单机易用，它的长处是让你几分钟内跑起来，短处是不擅长压并发、也不负责帮你搭上层应用。如果你的需求落在下面这些场景里，硬走这条路只会越走越拧巴。
- 要多人同时用、要高并发吞吐：这不是 Ollama 的强项，应该去看推理框架选型类内容；
- 要接自己的知识库做检索问答：模型跑起来只是第一步，检索层得另外搭，别指望一个模型解决全部；
- 要跑满血超大参数版本：消费级单卡基本没戏，先按显存算清楚再决定是租卡还是走 API；
- 只是偶尔问几句、对数据出不出内网没要求：直接调官方接口更省事，本地跑纯属给自己找活干。
一份可照着走的启动清单
把上面的内容压成一张执行清单，按顺序走完，基本就能判断这条路对你通不通。每一步都有明确的通过标准，卡在哪一步就回到对应小节排查。
- 装好并验证服务装完 Ollama，用最简命令确认服务正常回应，这是后面所有操作的前提。
- 定量化档位与磁盘按显存对照 /models/deploy 选档，算出所需磁盘空间，不够就先清盘或换盘。
- 拉取并确认拉取模型，用列表命令确认已落地，名字和大小对得上。
- 进交互看资源运行模型进对话，另开一个终端看资源占用，确认 GPU 被吃到了。
- 跑长输出测速度让它输出一段较长的内容，记下大概的生成速度，判断自己能不能接受。
- 按需配接口需要被其他程序调用时，再配本地接口和端口，地址参考站内页面。
常见问题
我的电脑能跑得动 DeepSeek R1 吗？
没有统一答案，取决于你选哪个规格和哪种量化。判断顺序是：先看显存和内存够不够装下这个量化版本，再看生成速度能不能接受。把显卡型号和参数量带到站内 /models/deploy 的测算页面对一遍，别只看别人说「能跑」。纯 CPU 也能跑，只是慢。
拉取完了却启动失败、报显存不足怎么办？
先换更小的量化档位，这是最有效的一步；再缩短上下文长度；仍然不够就减少同时请求数。如果确认装的是小规格还是失败，检查是不是没吃到 GPU、或者模型文件没下完整。系统层面的排查顺序可以参照 /local-inference-speed-tuning 里的思路。
用 Ollama 跑和直接调 DeepSeek 官方接口差在哪？
Ollama 这条路的价值是数据不出本机、断网可用、没有按量计费；代价是要自己扛硬件、速度通常不如云端、并且模型规格受你机器限制。官方接口省心但需要联网和付费。两边到底哪边划算，可以参考站内 /self-host 讲的分界线，别重复算一遍。
