# DeepSeek локально: выбрать веса и запустить через Ollama или LM Studio

Источник: https://modelium.tech/zhurnal/deepseek-lokalno/

Для локального старта выберите конкретный checkpoint DeepSeek-R1-Distill-Qwen-7B, а не просто «DeepSeek»: в Ollama есть точный тег `deepseek-r1:7b-qwen-distill-q4_K_M`. После загрузки задайте контрольный вопрос и проверьте размещение модели командой `ollama ps`. В LM Studio нужен поддерживаемый GGUF конкретного автора; размер файла не определяет минимальную RAM или VRAM, а качество и офлайн-режим проверяются на вашем устройстве.

**Проверено по первоисточникам 24 сентября 2026 года.** Это инструкция по документации и протокол самостоятельной проверки, а не результат запуска Modelium. Примеры относятся к скачиваемым весам, не к облачному чату DeepSeek; поддержка и теги могут измениться.

## Какой DeepSeek можно запустить локально?

**DeepSeek — имя семейства, а не один файл.** Для воспроизводимой первой попытки ниже выбран `deepseek-ai/DeepSeek-R1-Distill-Qwen-7B`: автор указывает, что это дистиллированная модель на основе Qwen2.5-Math-7B. Полный DeepSeek-R1 — иная, значительно более крупная модель; её нельзя считать тем же checkpoint с другим квантом [s1](#src-s1). Не подменяйте R1 Distill моделью DeepSeek V4 или ответом сайта DeepSeek. Перед скачиванием выпишите полное имя модели, издателя, формат файла и квант; [карточка R1](/zhurnal/deepseek-r1/) помогает разобраться с вариантами, а [V4](/modeli/deepseek-ai/deepseek-v4/) — другой адрес и другая серия.

Исходная карточка DeepSeek распространяет собственный checkpoint в формате для Transformers/Safetensors и помечает лицензию MIT; текст LICENSE хранится отдельно [s1](#src-s1) [s2](#src-s2). Для графического GGUF-маршрута ниже используется файл **стороннего конвертера**, `bartowski/DeepSeek-R1-Distill-Qwen-7B-GGUF`, в закреплённой ревизии которого присутствует `DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf` [s3](#src-s3). Не называйте этот GGUF «официальными весами DeepSeek»: проверяйте автора, исходную модель, лицензию конкретной копии и её условия до коммерческого применения. Открытые веса, открытый код приложения, бесплатность и право на коммерческое использование — разные вопросы.

Библиотека Ollama предлагает отдельный явный тег `deepseek-r1:7b-qwen-distill-q4_K_M` и команду его запуска; на странице файла указано **4,7 GB на диске** [s4](#src-s4). Эта цифра *не* является минимальной RAM/VRAM: к весам добавляются рабочее состояние runtime, контекст и другие процессы. В этой статье нет универсального числа «сколько памяти нужно для DeepSeek»; проверьте доступные ресурсы и фактическое размещение на своей машине [s5](#src-s5) [s7](#src-s7). Если работаете с маленьким устройством, сначала откройте [метод выбора компьютера](/zhurnal/kompyuter-dlya-lokalnyh-modeley/) и не скачивайте вариант только по размеру файла.

## Когда выбрать Ollama, а когда LM Studio?

**Ollama** — быстрый CLI-путь, когда нужен точный тег, повторяемая команда и возможность позже обратиться к локальному API; официальный каталог показывает команду для этого тега [s4](#src-s4). **LM Studio** — путь с поиском в Discover, загрузкой поддерживаемого файла и чатом в графическом приложении; документация принимает запрос `user/model` или полный URL Hugging Face [s6](#src-s6) [s8](#src-s8). Это два способа проверить один сценарий, но тег Ollama и файл GGUF стороннего автора не обязательно побайтово совпадают. Не делайте вывод о превосходстве runtime без одинаковых файлов, настроек и тестового набора.

Для первого результата выберите **один** маршрут. Если нужен только локальный ответ на известный вопрос, начните с Ollama ниже. Если уже работаете в LM Studio и хотите вручную выбрать GGUF, идите ко второму маршруту. Оба потребуют сети для первоначальной загрузки; отсутствие дальнейшей передачи данных нужно проверять по настройкам каждого компонента и сетевым потокам, а не выводить из надписи «локально» [s5](#src-s5) [s8](#src-s8).

## Как запустить R1 Distill 7B в Ollama?

Установите Ollama по [гайду Modelium](/zapusk/ollama/) для своей ОС, убедитесь, что приложение доступно в терминале, затем запустите **конкретный** тег из библиотеки [s4](#src-s4):

ollama run deepseek-r1:7b-qwen-distill-q4_K_M

Первая команда загрузит модель; убедитесь, что на диске достаточно свободного места и сеть доступна. Дождитесь приглашения для ввода, задайте короткий контрольный запрос с заранее известным ответом: «Напиши два предложения о назначении модели и отдельно повтори число 17». Отдельно дайте небольшой реальный запрос на русском, ответ на который вы способны проверить. Зафиксируйте точный тег, условия, ожидание и фактический ответ. Появление связного текста означает лишь, что запустился диалог, но не подтверждает точность, отсутствие облака или пригодность для рабочего процесса.

Пока модель загружена, в другом терминале выполните [s5](#src-s5):

ollama ps

В поле `PROCESSOR` FAQ Ollama различает размещение на CPU, GPU или совместное [s5](#src-s5). Зафиксируйте фактический режим, версию приложения и длину ввода. CPU-режим может быть медленнее; это не повод объявлять модель «несовместимой» по одному устройству. Если модель не запустилась, проверьте правильность полного тега, соединение при загрузке, свободное место, доступную RAM/VRAM и настройки контекста; если ответ слишком медленный, сначала посмотрите `ollama ps`, а затем решайте, менять ли квант или устройство [s4](#src-s4) [s5](#src-s5).

Не заменяйте тег на `deepseek-r1:latest` или просто `deepseek-r1`: библиотека перечисляет и другие размеры и обновлённые версии, так что это уже может быть другой checkpoint [s4](#src-s4). Для повторной проверки сохраняйте именно строку тега; при изменении тега повторите контрольный набор. Когда проба закончена, завершите диалог; следующий запуск снова проверяйте через `ollama ps`, потому что размещение зависит от текущих ресурсов [s5](#src-s5).

## Как открыть DeepSeek в обычном LM Studio?

Установите обычное приложение [LM Studio по отдельной инструкции](/zhurnal/lm-studio/). В **Discover** вставьте `bartowski/DeepSeek-R1-Distill-Qwen-7B-GGUF` либо URL репозитория; документация приложения допускает оба формата поиска [s3](#src-s3) [s6](#src-s6). Сверьте автора `bartowski` и происхождение от официальной Distill-Qwen-7B; выберите `DeepSeek-R1-Distill-Qwen-7B-Q4_K_M.gguf` **только если установленная версия LM Studio показывает его как поддерживаемый вариант** [s3](#src-s3) [s6](#src-s6). Этот файл — не исходный Safetensors checkpoint автора и не гарантия той же численной выдачи, что официальный репозиторий.

До загрузки модели в память можно оценить конфигурацию через CLI приложения. Выпишите ключ, который показывает локальный список, и подставьте его вместо заполнителя [s7](#src-s7):

lms lslms load --estimate-only <model_key> --context-length 4096

`4096` — пример *параметра пробного контекста*, не заявленный предел модели и не универсально достаточная длина. Документация LM Studio описывает `--estimate-only` как оценку памяти **без загрузки**; она учитывает выбранный контекст, но не гарантирует успех или скорость конкретного запуска [s7](#src-s7). Вкладка **Chat** загружает скачанную модель и позволяет начать диалог в обычном LM Studio [s8](#src-s8). Не переносите на этот интерфейс описание отдельного продукта LM Studio Bionic.

Повторите тот же короткий и реальный вопрос, сохраните ключ файла и параметры загрузки. Если Discover не находит репозиторий или файл не поддерживается, не переименовывайте другую модель в «тот же DeepSeek»: проверьте точный URL, формат, версию приложения и доступный runtime. Если оценка не помещается, уменьшите пробный контекст либо выберите другой вариант и запишите, что условия изменились. Для выгрузки из памяти после теста CLI документирует `lms unload <model_key>`; она не удаляет скачанный файл [s7](#src-s7).

## Как понять, что локальный запуск решил задачу?

Проверяйте **три разных результата**: (1) какой конкретно ID/тег или GGUF загружен, (2) где реально выполняется inference и сколько свободных ресурсов осталось, (3) проходит ли ответ заранее записанный контрольный набор. Для каждой задачи сохраните несколько русских примеров и эталонные критерии. Если нужен документ с точными цифрами, вручную сверяйте их с оригиналом; не заменяйте фактчек оценкой автора модели. Таблицы результатов в карточках DeepSeek — **заявления разработчика в его условиях**, не проверка Modelium и не предсказание качества на ваших данных [s1](#src-s1).

Если модель отвечает, но путает цифры, не загружайте конфиденциальный рабочий корпус ради следующей попытки: сначала исправьте контрольный набор и условия обработки. Если ответа нет или процесс падает, сохраните текст ошибки, точный вариант, runtime, ОС и параметры — это воспроизводимая отправная точка для выбора другого файла или устройства. У облачного DeepSeek Chat иной путь данных: локальный запуск не доказывает, что сторонний UI, обновления или интеграции не обращаются в сеть. Разделяйте проверку качества и сетевой изоляции.

**Основной следующий шаг:** [откройте установку Ollama](/zapusk/ollama/), запустите `deepseek-r1:7b-qwen-distill-q4_K_M` и сохраните полный тег, ответ на своём проверяемом вопросе и вывод `ollama ps` [s4](#src-s4) [s5](#src-s5). Если Ollama не подходит, вернитесь к маршруту LM Studio с конкретным GGUF и повторите тот же набор вопросов, не смешивая результаты разных вариантов.

## Источники

1. [DeepSeek — DeepSeek-R1-Distill-Qwen-7B, карточка автора](https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B/blob/916b56a44061fd5cd7d6a8fb632557ed4f724f60/README.md) — получено 2026-09-24
2. [DeepSeek — LICENSE конкретного R1-Distill-Qwen-7B](https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B/blob/916b56a44061fd5cd7d6a8fb632557ed4f724f60/LICENSE) — получено 2026-09-24
3. [bartowski — DeepSeek-R1-Distill-Qwen-7B-GGUF, карточка и файл](https://huggingface.co/bartowski/DeepSeek-R1-Distill-Qwen-7B-GGUF/tree/361004151d4f4f6b446dc5e6d46fbf4422a80d5f) — получено 2026-09-24
4. [Ollama — DeepSeek-R1 Distill Qwen 7B Q4_K_M](https://ollama.com/library/deepseek-r1:7b-qwen-distill-q4_K_M) — получено 2026-09-24
5. [Ollama — FAQ: размещение, контекст и сервер](https://docs.ollama.com/faq) — получено 2026-09-24
6. [LM Studio — Download an LLM](https://lmstudio.ai/docs/app/basics/download-model) — получено 2026-09-24
7. [LM Studio — lms load: estimate-only и unload](https://lmstudio.ai/docs/cli/local-models/load) — получено 2026-09-24
8. [LM Studio — Get started with the desktop app](https://lmstudio.ai/docs/app/basics) — получено 2026-09-24