Что вы получите и что нужно заранее
После этой инструкции у вас будет DeepSeek-R1 8B в чате и локальный сервер на localhost:11434. По справке программы этот сервер без дополнительной настройки слушает только сам компьютер.
На все я закладываю около часа, это моя оценка, а не замер. Сама загрузка короче: файл 5,2 ГБ при канале 100 Мбит/с идет около 7 минут. Счет простой: 5,2 ГБ × 8 = 41,6 Гбит, делим на 0,1 Гбит/с и получаем 416 секунд. Остальное время уходит на проверку видеокарты, установку и первые вопросы.
Заранее подготовьте три вещи:
- Место на диске. По странице установки для Windows сама программа занимает не меньше 4 ГБ, а файлы нейросетей от десятков до сотен гигабайт.
- Права. На Windows хватит обычной учетной записи, установщику права администратора не нужны, а на Linux службу включают командами с sudo.
- Видеокарту NVIDIA или AMD либо Mac на процессоре Apple M. Без них модель пойдет на процессоре, и скорость ответов упадет.
Я советую начинать не с полной DeepSeek-R1 на 671 млрд параметров, а с дистиллята. Так называют меньшую нейросеть, которую дообучили на ответах большой. По карточке DeepSeek-R1 от 22 января 2025, разработчик выпустил шесть таких моделей: на 1,5, 7, 8, 14, 32 и 70 млрд параметров.
Основой для них стали открытые Qwen2.5 и Llama3. С обновлением R1-0528 вышла еще одна малая модель, R1-0528-Qwen3-8B на основе Qwen3, и именно ее Ollama ставит как 8b. Дистиллят работает локально, на одной видеокарте внутри вашего контура, поэтому с него разумно начинать первый запуск в компании. Полная R1 нужна, когда задача требует ее качества и у вас есть сервер.
Инструкция сверена 20 ноября 2026 с документацией Ollama и LM Studio и карточками DeepSeek на Hugging Face. В тот день на их сайтах последними стабильными были Ollama 0.40.16 от 9 ноября и LM Studio 0.4.28. Программы обновляются часто: если окно у вас выглядит иначе, верен сайт разработчика. Как подобрать модель под задачу, я разобрал в статье о том, какую версию DeepSeek выбрать.
Какая DeepSeek поместится в ваш компьютер

DeepSeek помещается в компьютер, если видеопамяти больше, чем весит файл, с запасом на контекст. Файл модели 8B в библиотеке Ollama весит 5,2 ГБ, и ей хватает видеокарты на 8 ГБ.
| Тег | Файл | Память с запасом | Для чего, по-моему |
|---|---|---|---|
| 1.5b | 1,1 ГБ | любая карта или процессор | проба на слабом ноутбуке |
| 7b | 4,7 ГБ | 8 ГБ | короткие ответы и черновики |
| 8b, по умолчанию | 5,2 ГБ | 8 ГБ | первый рабочий вариант |
| 14b | 9,0 ГБ | 12 ГБ | договоры и отчеты с рассуждением |
| 32b | 20 ГБ | 24 ГБ | сложные задачи на одной сильной карте |
| 70b | 43 ГБ | 48 ГБ | рабочая станция с большой памятью |
| 671b, полная R1 | 404 ГБ | сотни гигабайт | сервер |
| V4-Flash | около 160 ГБ | сотни гигабайт | сервер, контекст до 1 млн токенов |
Размеры файлов взяты из этой библиотеки, данные V4-Flash из ее карточки на Hugging Face, проверенной 20 ноября 2026. Колонки памяти и задач это мое правило по размерам файлов, а не замер. Размеры тегов даны для 4-битного квантованияквантизация. Квантизация это сжатие нейросети, при котором ее числа хранят с меньшей точностью, чтобы модель занимала меньше памяти и работала быстрее. Q4_K_M, которое программа ставит по умолчанию: числа нейросети хранятся сжатыми. По странице тегов на 20 ноября 2026, 8b в 8-битном варианте q8_0 весит 8,9 ГБ, почти как 14b. На карте 12 ГБ сравните оба.
Правило с порогом такое: 8 ГБ видеопамяти хватает на 7b или 8b, 12 ГБ на 14b, 24 ГБ на 32b, 48 ГБ на 70b. Если памяти впритык, выбирайте строку выше: длинный документ займет остаток.
Меньший размер стоит качества. DeepSeek сама проверила свои модели на задачах американской олимпиады AIME 2024 (карточка R1, 22 января 2025). Дистиллят 32B решает 72,6 % задач, 7B 55,5 %, 1.5B 28,9 %. Полная R1 в том же замере решает 79,8 %, и это данные разработчика, а не независимый тест. Это модели января 2025 года, а новая 8b на том же тесте набирает 86,0 (шаг 3).
Точный счет под длину ваших документов дает калькулятор памяти. Откуда берется запас сверх файла, объясняет разбор о том, сколько памяти нужно нейросети.
Шаг 1. Проверьте систему, видеокарту и диск
Ollama работает на Windows 10 22H2 и новее, macOS Sonoma 14 и новее и на Linux, так написано в ее справке на 20 ноября 2026. Сверьте свою систему:
| Система | Что нужно | Чем ускоряется |
|---|---|---|
| Windows | Windows 10 22H2 или новее, Home или Pro; драйвер NVIDIA 551.61 или новее, а для GTX 10xx и других карт со способностью 5.0–6.2 версия 570 или новее | NVIDIA; AMD Radeon RX от 7600 до 7900 XTX через ROCm; другие карты через Vulkan |
| macOS | Sonoma (14) или новее | Apple M: процессор и графика через Metal; Mac на Intel только процессор |
| Linux | скрипт установки с официального сайта; драйвер CUDA или ROCm v7 ставится отдельно | NVIDIA через CUDA, AMD через ROCm, другие карты через Vulkan |
Дальше проверьте железо по порядку:
- Узнайте название видеокарты и объем ее памяти. На Windows их показывает диспетчер задач на вкладке «Производительность», на Linux команда nvidia-smi.
- Сверьте вычислительную способность видеокарты NVIDIA со списком в справке программы: у RTX 40xx она 8.9, у RTX 30xx 8.6, у GTX 1060, 1070 и 1080 6.1. Нужно 5.0 и выше.
- Проверьте драйвер NVIDIA. По странице Ollama о видеокартах, GTX 10xx и другим картам со способностью от 5.0 до 6.2 нужна версия 570 и новее. Это верно и для Windows. Картам следующих поколений, например RTX 30xx и 40xx, нужна версия 550 и новее, а на Windows 551.61 и новее по странице установки для Windows.
- Освободите место на системном диске. На Windows программа ставится в домашний каталог пользователя, и файл 14b добавит к нему еще 9 ГБ.
Итог шага: вы знаете, какая строка таблицы памяти вам доступна. У Mac на Apple M память общая для процессора и графики, поэтому считать надо иначе. Как именно, разобрано в сравнении Mac и видеокарты для локального запуска.
Шаг 2. Установите Ollama
Ollama ставится установщиком на Windows и macOS и одной командой на Linux, а признак успеха везде один: ollama -v печатает версию. Я выбираю эту программу потому, что чат и локальный сервер в ней появляются после одной установки и одинаково работают на трех системах. Остальные варианты разобраны в сравнении программ для локального запуска.
На Windows:
- Скачайте установщик OllamaSetup.exe с официального сайта и запустите его. Права администратора не понадобятся, программа встанет в домашний каталог.
- Дождитесь конца установки. Программа запустится в фоне, и вызвать ее можно будет из cmd и PowerShell.
- Откройте PowerShell и проверьте версию, как в начале шага. Результат: в ответ напечатан номер версии.
На macOS:
- Откройте образ ollama.dmg и перетащите приложение в папку «Программы».
- Запустите приложение. Если терминал ее еще не знает, программа попросит разрешение создать ссылку в /usr/local/bin, и его нужно дать.
- Проверьте версию в программе «Терминал». Результат: напечатан ее номер.
На Linux:
- Выполните в терминале команду установки с официального сайта: curl -fsSL https://ollama.com/install.sh | sh.
- Убедитесь, что служба запущена в systemd. Ее журнал открывает journalctl -e -u ollama.
- Проверьте версию, как на других системах. Результат: напечатан ее номер.
Итог шага: проверка версии проходит, и на 20 ноября 2026 команда печатает номер 0.40.16 или новее. К адресу localhost:11434 потом подключаются другие программы компании.
Шаг 3. Скачайте модель и задайте первый вопрос
Команда ollama run deepseek-r1 скачивает DeepSeek-R1-0528-Qwen3-8B размером 5,2 ГБ и сразу открывает чат, по библиотеке Ollama на 20 ноября 2026.
- Введите ее в терминале. Для другой модели добавьте к имени нужный размер через двоеточие, например deepseek-r1:14b. Результат: после загрузки появится приглашение для вопроса.
- Задайте рабочий вопрос из своей сферы, ответ на который знаете сами, например о сроке оплаты по типовому договору. Результат: на экране сначала рассуждение, а за ним ответ.
- Сравните ответ со своим знанием. Загадки и вопросы о самой нейросети мало говорят о пользе для работы.
Почему программа сама ставит 8B, а не прежнюю 7B? По странице DeepSeek-R1-0528-Qwen3-8B на Hugging Face она набирает 86,0 на AIME 2024 против 76,0 у обычной Qwen3-8B. Это замер разработчика, дата публикации в карточке не указана.
Полная R1-0528, на рассуждениях которой обучена эта модель, по тому же источнику выросла на AIME 2025 с 70 % до 87,5 %. Думает она дольше: в среднем 23 тысячи токеновтокен. Токен это кусочек текста: слово, часть слова или знак, с которыми работает языковая модель. на вопрос вместо 12 тысяч. Поэтому и малая версия иногда долго рассуждает перед ответом.
Для серии R1 разработчик советует температуру от 0,5 до 0,7, лучше 0,6 (карточка R1, 22 января 2025). По той же карточке, вне этого диапазона ответы могут бесконечно повторяться или терять связность. Эту настройку в чате задает /set parameter temperature 0.6. Там же совет держать все указания в самом запросе, но карточка R1-0528-Qwen3-8B уточняет, что с версии 0528 системный промптсистемный промпт. Системный промпт это постоянная инструкция для нейросети, которую разработчик задает до начала разговора: кто она, что ей можно, что нельзя и каким тоном отвечать. поддерживается.
Если модель скачана раньше, обновит ее ollama pull deepseek-r1. Итог шага: DeepSeek отвечает на ваш вопрос, а перед ответом видно ее рассуждение.
Шаг 4. Убедитесь, что модель работает на видеокарте

Команда ollama ps показывает, где загружена модель, и нужный результат в ее колонке PROCESSOR это 100% GPUGPU. GPU (graphics processing unit) это графический процессор: чип, который выполняет тысячи одинаковых вычислений одновременно, поэтому на нем обучают и запускают нейросети.. Значения ниже взяты из справки программы:
| Что в колонке PROCESSOR | Что это значит | Что делать |
|---|---|---|
| 100% GPU | целиком в видеопамяти | ничего, это норма |
| 100% CPU | в оперативной памяти, ответы медленные | обновить драйвер или выбрать модель меньше |
| 48%/52% CPU/GPU | файл не поместился в видеопамять целиком | выбрать модель меньше или сократить контекст |
- Задайте вопрос и сразу во втором окне терминала введите ollama ps. Результат: строка с именем deepseek-r1 и колонкой PROCESSOR.
- Сверьте значение со строками выше и выполните действие из третьей колонки.
- На Linux с картой NVIDIA при 100% CPU введите nvidia-smi. Она должна вывести сведения о видеокарте, а пустой ответ значит, что драйвер не установлен.
По частым вопросам программы, модель держится в памяти 5 минут после запроса, поэтому проверяйте ее сразу. А ollama stop deepseek-r1 выгружает ее раньше и освобождает видеопамять для других программ.
Итог шага: расчет идет на видеокарте, и вы видите, с какой скоростью печатается ответ. Хватит ли ее для работы, поможет решить статья о скорости локального запуска и токенах в секунду.
Шаг 5. Настройте контекст, память и папку для файлов
По странице документации о длине контекстаконтекстное окно. Контекстное окно это объем текста в токенах, который языковая модель видит за один раз: инструкции, документы, вопрос и ее собственный ответ. на 20 ноября 2026, окно контекста по умолчанию зависит от видеопамяти. При памяти меньше 24 ГБ это 4096 токенов, от 24 до 48 ГБ 32 тысячи, от 48 ГБ 256 тысяч. На карте 8 или 12 ГБ для длинного договора или отчета этого мало. Окно контекста это объем текста, который нейросеть держит за один раз: документ, вопрос и ответ.
- Увеличьте окно для одного сеанса: в чате введите /set parameter num_ctx 16384. Результат: в окно помещается документ длиннее.
- Чтобы окно действовало при каждом запуске, задайте переменную окружения OLLAMA_CONTEXT_LENGTH и перезапустите программу. Каждый шаг окна вверх съедает видеопамять, поэтому снова проверьте загрузку, как в шаге 4.
- Сожмите кэш контекста, если документ не помещается. По частым вопросам программы, переменная OLLAMA_KV_CACHE_TYPE=q8_0 сокращает его память примерно вдвое почти без потери точности. Вариант q4_0 сжимает ее до четверти, но с потерей от небольшой до средней.
- Сжатие работает при включенном Flash Attentionмеханизм внимания. Механизм внимания это способ, которым нейросеть для каждого слова решает, на какие другие слова текста опереться и насколько сильно.. Программа, по той же странице, включает его сама, если железо позволяет, а переменная OLLAMA_FLASH_ATTENTION=1 включает принудительно.
- Перенесите файлы на другой диск, если системный мал: новое место задает переменная OLLAMA_MODELS. Без этой настройки они лежат в .ollama/models домашнего каталога, на Linux в системном каталоге службы.
Один сервер обслуживает несколько пользователей, но параллельные запросы увеличивают контекст, а с ним и расход памяти. Лишние запросы, как сказано там же, ждут в очереди длиной 512, а сверх нее сервер отвечает ошибкой 503.
Итог шага: документ нужной длины читается целиком, и вы знаете, сколько видеопамяти займет второй сотрудник, если подключится одновременно с вами. Заранее посчитать память под ваше окно можно тем же калькулятором.
Без командной строки: тот же путь в LM Studio
LM Studio дает тот же результат без терминала: в одном графическом интерфейсе поиск нейросетей, загрузка и чат. Требования у нее строже, чем у Ollama, по ее странице требований на 20 ноября 2026:
- Mac: только Apple Silicon (M1, M2, M3, M4) и macOS 14.0 или новее. Рекомендовано 16 ГБ памяти, на 8 ГБ пойдут малые модели с коротким контекстом, а Mac на Intel не поддерживается.
- Windows: процессор x64 с инструкциями AVX2 или ARM (Snapdragon X Elite). Рекомендовано не меньше 16 ГБ оперативной памяти и 4 ГБ видеопамяти.
- Linux: файл AppImage для x64 и ARM64 и Ubuntu 20.04 или новее. Выпуски Ubuntu новее 22 разработчик проверял мало.
Дальше по шагам:
- Скачайте LM Studio с сайта lmstudio.ai и установите. Результат: открылось окно программы.
- Во вкладке поиска найдите DeepSeek-R1-0528-Qwen3-8B, ту же модель, что ставит команда из шага 3. Загрузите вариант с 4-битным квантованием Q4_K_M, как в таблице памяти. Результат: файл появился в списке скачанных.
- Выберите эту модель и откройте чат. Результат: она отвечает на тот же рабочий вопрос, что в шаге 3.
- Если DeepSeek нужна другим программам, включите локальный сервер, он отвечает в формате OpenAI. Результат: программы на этом компьютере подключаются к нему.
После загрузки файла программа работает локально, без интернета. Сама компания пишет на странице о работе без сети, что введенное пользователем в чат не покидает устройство. Итог: тот же результат, что после шага 3, только в графическом интерфейсе вместо командной строки.
Как не выпустить данные компании наружу
Ollama по умолчанию слушает только адрес 127.0.0.1 на порту 11434, то есть сам компьютер (документация программы, 20 ноября 2026). Коллега из сети офиса к ней не подключится, пока вы не откроете доступ переменной OLLAMA_HOST.
Открывать доступ в сеть я советую только через VPN или прокси-сервер с паролем, а порт 11434 для остальных закрыть сетевым экраном. Иначе сервер увидит любой, кто сидит в этой же сети.
В частых вопросах программы (проверено 20 ноября 2026) сказано, что при локальном запуске разработчик программы не видит ваших запросов и данных. Это его заявление, поэтому облачные функции лучше выключить переменной OLLAMA_NO_CLOUD=1 или таким же параметром в файле server.json. После перезапуска журнал покажет строку Ollama cloud disabled: true.
Для полной R1, R1-0528 и V4-Flash лицензия MIT разрешает коммерческое использование. Для R1 это сказано в ее карточке от 22 января 2025, для V4-Flash в ее собственной. Для R1-0528 лицензию называет карточка ее малой версии R1-0528-Qwen3-8B: по ней модели всей серии DeepSeek-R1 выпущены под MIT и разрешены для коммерческого использования. У дистиллятов действует еще и лицензия базовой моделибазовая модель. Базовая модель (foundation model) это большая нейросеть, обученная на огромном объеме общих данных, которую потом приспосабливают к множеству конкретных задач., о ней в вопросах ниже.
Главный вопрос здесь не технический. Как я говорил в выступлении о сбоях серверов и новых вирусах: «Спросите у ваших программистов или отдела, как мы можем себя обезопасить от утечки данных в искусственный интеллект». Локальная модельлокальная модель. Локальная модель это нейросеть, которая работает на вашем компьютере или сервере, а не в облаке поставщика, поэтому данные никуда не уходят. дает один из ответов.
Тот же критерий я применяю к подрядчику, который ставит вам DeepSeek. В выступлении о разработке с ИИ я сказал: «Ваша задача, когда вы выбираете аутсорс-компанию, которая будет заниматься именно вашим продуктом, это ее безопасность».
Поэтому начинать стоит с порядка в данных. В том же выступлении о сбоях серверов я говорил: «Вы должны начать обрабатывать, структурировать свои данные для того, чтобы дальше более продвинутые модели могли эффективнее, а с этими данными работать».
Локальный запуск снимает передачу запросов разработчику модели и его облаку, но сам по себе не делает обработку персональных данных законной. По Федеральному закону от 27.07.2006 № 152-ФЗ «О персональных данных» за компанией остаются основание обработки (ст. 6) и меры защиты (ст. 18.1 и 19). Какие базы можно использовать при сборе данных, решает ч. 5 ст. 18 в редакции Федерального закона от 28.02.2025 № 23-ФЗ.
При сборе персональных данных граждан России, в том числе через интернет, запись, систематизация, накопление, хранение, уточнение и извлечение в базах за пределами страны не допускаются. Исключения закон делает только для случаев из пп. 2, 3, 4 и 8 ч. 1 ст. 6.
По п. 11 ст. 3 закона трансграничной считается передача персональных данных на территорию иностранного государства: его органу власти, иностранному физическому или юридическому лицу. Отправка запросов с этими данными в облачный сервис за рубежом и есть такая передача.
Если компьютер или сервер, на котором работает модель, стоит в России, трансграничной передачи нет. Если сервер с видеокартой арендован за рубежом, передача остается: данные уходят в другую страну, к зарубежной компании. Для такой передачи по ч. 3 ст. 12 оператор до ее начала уведомляет Роскомнадзор о своем намерении, отдельно от уведомления по ст. 22.
По ч. 5 ст. 12 еще до этого уведомления оператор получает от иностранного получателя сведения о нем, о мерах защиты данных и об условиях прекращения обработки. Если страны получателя нет в перечне стран с адекватной защитой, нужны и сведения о ее правовом регулировании.
Если при сборе данные сразу попадают в базу на зарубежном сервере, это запрещает ч. 5 ст. 18. Передача за рубеж данных, сначала собранных в базу в России, подчиняется правилам ст. 12. Спорно, считается ли трансграничной передачей перенос данных на собственный сервер компании за рубежом без иностранного получателя: в определении п. 11 ст. 3 названы иностранные получатели. Что еще требует закон, разобрано в статье об ИИ и персональных данных по закону.
Типичные ошибки и как проверить итог
Семь ошибок ниже следуют прямо из требований Ollama и LM Studio на 20 ноября 2026, и у каждой есть быстрое исправление. Первой проверяйте память: она подводит раньше остального.
| Ошибка | Причина | Исправление |
|---|---|---|
| Проверка из шага 4 показывает 100% CPU | файл больше видеопамяти | выбрать модель меньше по таблице памяти |
| Программа не видит видеокарту | драйвер NVIDIA ниже порога из шага 1: 550, на Windows 551.61, а для карт со способностью 5.0–6.2 версия 570 | обновить драйвер |
| Программа не работает на Windows | система старше Windows 10 22H2 | обновить Windows |
| Загрузка файла обрывается | кончилось место в домашнем каталоге | перенести файлы переменной OLLAMA_MODELS |
| Mac на Intel отвечает медленно | на x86 Ollama работает только на процессоре, LM Studio такой Mac не поддерживает | выбрать 1.5b или 7b либо Mac на Apple M |
| Модель повторяет одно и то же | температура вне диапазона 0,5–0,7 | задать 0,6 |
| Длинный документ обрезан | окно по умолчанию короче документа | увеличить окно, как в шаге 5 |
Итог проверяют три признака:
- Проверка из шага 2 печатает номер версии.
- ollama ps во время ответа показывает 100% GPU.
- Модель отвечает на рабочий вопрос и правильно называет факт, который вы знаете.
Если проверка не прошла, причину ищите в журналах. На Windows это server.log в папке программы внутри %LOCALAPPDATA%, на Mac каталог logs там же, где лежат файлы, на Linux journalctl из шага 2.
Мой порог такой: если все три признака сошлись на десяти рабочих вопросах, сотрудники могут использовать DeepSeek в работе. Если не сошелся хотя бы один, вернитесь к шагу, где он сломался.
Когда полная DeepSeek или V4 вам не по силам
Полная DeepSeek-R1 весит в библиотеке Ollama 404 ГБ (проверено 20 ноября 2026), и одной видеокарте она не по силам. Разработчик сам отсылает ее запуск к инструкциям репозитория DeepSeek-V3, а в карточке R1 от 22 января 2025 сказано, что библиотека Transformers ее напрямую не поддерживает.
Даже дистиллят 32B в примере разработчика запущен через vLLM на двух видеокартах с окном 32 768 токенов. По моему правилу из таблицы памяти, на одной видеокарте 24 ГБ его файл 20 ГБ поместится только с коротким окном.
DeepSeek-V4-Flash меньше полной R1 по числу параметров: 284 млрд, из них 13 млрд активных на каждый токен. Так написано в карточке V4-Flash на Hugging Face (проверено 20 ноября 2026), и это предварительный выпуск серии V4.
Запустить V4-Flash локально сложнее. По тому же источнику веса хранятся в смешанной точности: эксперты в FP4, большинство остальных параметров в FP8. Разработчик отсылает к папке inference с конвертацией весов, а для режима Think Max советует окно не меньше 384 тысяч токенов.
Мой выбор такой: на одной видеокарте до 24 ГБ оставайтесь на дистиллятах от 8B до 32B. Модель серверного класса имеет смысл, когда задаче нужно качество полной R1 и есть сервер с сотнями гигабайт памяти. Иначе, по-моему, дешевле облако или программный интерфейс разработчика, о нем статья о DeepSeek API.



