Ollama本地部署DeepSeek翻译“他强任他强，清风拂山岗；他横任他横，明月照大江”

1.认识Ollama

关于Ollama的介绍中见得最多的版本是：“Ollama是一个开源的轻量级可扩展框架，用于本地机器上构建、运行和管理大型模型。”

它有几个关键词：轻量级、本地、构建运行和管理。这说明Ollama擅长在单机上部署和运行大模型，用它来在低配置的笔记本上运行大模型是再好不过的了。

2.安装Ollama

官网是：https://ollama.com/ MacOS，Linux，Windows版本都有，按照自己的需要下载安装即可。

对于Windows则是下载一个exe文件进行安装执行，对于MacOS更简单了，使用命令：

brewinstallollama

即可完成安装。

然后使用如下命令: ollama pull xxx 就可以运行名为xxx的模型了。Ollama在本地实际是以CS架构方式运行的，如果在MacOS上遇到如下错误：

Error:couldnotconnecttoollamaapp,isitrunning?

可能是在MacOS没有自动将Ollama注册成Server，只要手动执行下Ollama serve命令即可解决该错误。

今天王毅外长使用金庸名句“他强任他强，清风拂山岗；他横任他横，明月照大江”来表达中美关系，cue到了DeepSeek， 因此就用这个任务来看看本地部署DeepSeek的效果吧。

3.Windows上翻译

我的Windows配置是i932G, 显卡4G内存。使用如下命令运行Deepseek-R1 14B模型：

ollamarundeepseek-r1:14b

第一次执行因为本地没有模型，因此会有一个下载模型的过程，模型文件大概是9G，下载因网络而已，快速的时候能达到8M/s。

第一次翻译效果如下图所示：

整体来看，中规中矩，算是直译了。

在执行的时候，独立显存可以使用到3G的样子。这个性能还是很强劲的，记得之前跑Qwen模型， 2.5B的是极限了， Deepseek可以跑14B，进化速度真的很快很快。

4.MacOS上翻译

我的MacOS配置是M1,16G内存，即2021年的Mac。一开始觉得这个配置跑不起来14B的模型，抱着试一试想法安装了Ollama后，第一次翻译效果如下图所示：

对比Windows的第一次推理差很多，让它重新翻译给出了如下版本：

这次算是中规中矩了。在推理的时候， MacOS GPU使用率在60~70%，内存使用率则飙升，这是因为MacOS的显卡并不是使用的独享内存，而是和整个系统共享的内存。

最后，看看DeepSeek官网和chatGPT的翻译：

DeepSeek官网：

chatGPT官网：

对比来看，官网的体验确实更好些， 可能是本地部署的只是14B有关吧。