ММООЗЗГГ.ru

ИИ-помощник

Кратко

Инструкция по установке локальной модели DeepSeek через Ollama или LM Studio без интернета: требования к памяти, пять шагов с проверкой каждого и граница, за которой нужен сервер. Вариант, который ставит Ollama сама, весит 5,2 ГБ, поэтому начинать советуют с версии 8B или 14B на одной видеокарте.

Ключевые идеи

  • Команда ollama run deepseek-r1 скачивает модель весом 5,2 ГБ и сразу открывает чат.
  • Модель помещается на компьютер, если видеопамяти больше, чем весит файл, с запасом на контекст.
  • Признак успешной проверки: в колонке PROCESSOR команды ollama ps должно стоять 100% GPU.
  • Ollama по умолчанию слушает только сам компьютер, адрес 127.0.0.1 на порту 11434.
  • LM Studio дает тот же результат без терминала: поиск, загрузка и чат в одном графическом интерфейсе.

Подготовлено ИИ по тексту статьи

Локальная модель DeepSeek: требования к железу и установка по шагам

ИнструкцияИТ

Сложный14 мин16 источников

Локальная модель DeepSeek ставится на компьютер компании с видеокартой на 8 ГБ или Mac на Apple M и работает без интернета. По библиотеке Ollama на 20 ноября 2026, вариант, который программа ставит сама, весит 5,2 ГБ. Ниже таблица памяти, пять шагов установки с проверкой каждого и граница, за которой нужен сервер; по моей оценке, на все уйдет около часа. Мой совет: начинайте с дистиллированной версии 8B или 14B на одной видеокарте, а полную модель оставьте серверу.

Светлый каменный системный блок на полу, в его светящийся верх уходит спираль светящихся нитей, рядом лежит выдернутый сетевой кабель: модель работает без интернета
На странице · 11 разделов

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

Тканые круги рядами на лиловой ткани, каждый узор в кайме пустой ткани; один бирюзовый узор больше своей каймы, и ткань рвется нитями. Файл не поместился в видеопамять.

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.

ТегФайлПамять с запасомДля чего, по-моему
1.5b1,1 ГБлюбая карта или процессорпроба на слабом ноутбуке
7b4,7 ГБ8 ГБкороткие ответы и черновики
8b, по умолчанию5,2 ГБ8 ГБпервый рабочий вариант
14b9,0 ГБ12 ГБдоговоры и отчеты с рассуждением
32b20 ГБ24 ГБсложные задачи на одной сильной карте
70b43 ГБ48 ГБрабочая станция с большой памятью
671b, полная R1404 ГБсотни гигабайтсервер
V4-Flashоколо 160 ГБсотни гигабайтсервер, 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 квантования 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:

СистемаЧто нужноЧем ускоряется
WindowsWindows 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 новееNVIDIA; AMD Radeon RX от 7600 до 7900 XTX через ROCm; другие карты через Vulkan
macOSSonoma (14) или новееApple M: процессор и графика через Metal; Mac на Intel только процессор
Linuxскрипт установки с официального сайта; драйвер CUDA или ROCm v7 ставится отдельноNVIDIA через CUDA, AMD через ROCm, другие карты через Vulkan

Дальше проверьте железо по порядку:

  1. Узнайте название видеокарты и объем ее памяти. На Windows их показывает диспетчер задач на вкладке «Производительность», на Linux команда nvidia-smi.
  2. 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.
  3. 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.
  4. 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:

  1. Скачайте установщик OllamaSetup.exe с официального сайта и запустите его. Права администратора не понадобятся, программа встанет в домашний каталог.
  2. Дождитесь конца установки. Программа запустится в фоне, и вызвать ее можно будет из cmd и PowerShell.
  3. Откройте PowerShell и проверьте версию, как в начале шага. Результат: в ответ напечатан номер версии.

На macOS:

  1. Откройте образ ollama.dmg и перетащите приложение в папку «Программы».
  2. Запустите приложение. Если терминал ее еще не знает, программа попросит разрешение создать ссылку в /usr/local/bin, и его нужно дать.
  3. Проверьте версию в программе «Терминал». Результат: напечатан ее номер.

На Linux:

  1. Выполните в терминале команду установки с официального сайта: curl -fsSL https://ollama.com/install.sh | sh.
  2. Убедитесь, что служба запущена в systemd. Ее журнал открывает journalctl -e -u ollama.
  3. 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.

  1. 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.
  2. 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.
  3. 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 токенов 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 промпт 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

Взгляд с пола на стеклянный корпус компьютера: внутри синее небо с солнцем и белая крона, растущая из видеокарты. Модель живет в компьютере и отвечает без интернета

Команда ollama ps показывает, где загружена модель, и нужный результат в ее колонке PROCESSOR это 100% GPU. Значения ниже взяты из справки программы:

Что в колонке PROCESSORЧто это значитЧто делать
100% GPUцеликом в видеопамятиничего, это норма
100% CPUв оперативной памяти, ответы медленныеобновить драйвер или выбрать модель меньше
48%/52% CPU/GPUфайл не поместился в видеопамять целикомвыбрать модель меньше или сократить контекст
  1. Задайте вопрос и сразу во втором окне терминала введите ollama ps. Результат: строка с именем deepseek-r1 и колонкой PROCESSOR.
  2. Сверьте значение со строками выше и выполните действие из третьей колонки.
  3. 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 контекста 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.

  1. Увеличьте окно для одного сеанса: в чате введите /set parameter num_ctx 16384. Результат: в окно помещается документ длиннее.
  2. 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.
  3. 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.
  4. Сжатие работает при включенном Flash Attention. Программа, по той же странице, включает его сама, если железо позволяет, а переменная OLLAMA_FLASH_ATTENTION=1 включает принудительно.
  5. 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:

  1. Скачайте LM Studio с сайта lmstudio.ai и установите. Результат: открылось окно программы.
  2. 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.
  3. Выберите эту модель и откройте чат. Результат: она отвечает на тот же рабочий вопрос, что в шаге 3.
  4. 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 модели, 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 модель 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.

ОшибкаПричинаИсправление
Проверка из шага 4 показывает 100% CPUфайл больше видеопамятивыбрать модель меньше по таблице памяти
Программа не видит видеокартудрайвер NVIDIA ниже порога из шага 1: 550, на Windows 551.61, а для карт со способностью 5.0–6.2 версия 570обновить драйвер
Программа не работает на Windowsсистема старше Windows 10 22H2обновить Windows
Загрузка файла обрываетсякончилось место в домашнем каталогеперенести файлы переменной OLLAMA_MODELS
Mac на Intel отвечает медленнона x86 Ollama работает только на процессоре, LM Studio такой Mac не поддерживаетвыбрать 1.5b или 7b либо Mac на Apple M
Модель повторяет одно и то жетемпература вне диапазона 0,5–0,7задать 0,6
Длинный документ обрезанокно по умолчанию короче документаувеличить 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.

Вопросы и ответы

Можно ли запустить DeepSeek на ноутбуке без видеокарты?

Да, малые версии: программа работает и на процессоре, только ответы идут медленнее, а проверка из шага 4 показывает 100% CPU. Разумный выбор для такого ноутбука: 1.5b, 7b или 8b, если хватает оперативной памяти. Чтобы модель не держала память ноутбука после ответа, срок ее хранения задает переменная OLLAMA_KEEP_ALIVE.

Нужен ли интернет после установки?

Нет, сеть нужна только для загрузки программы, модели и обновлений. По странице LM Studio о работе без сети, без интернета она не ищет и не скачивает файлы и движки и не обновляется. В Ollama выключение облака убирает облачные модели и веб-поиск, поэтому решите заранее, нужны ли они вам.

Можно ли использовать локальную DeepSeek в коммерческих целях?

Да, для полной R1, R1-0528 и V4-Flash, потому что их веса выпущены под MIT. Тег 8b в Ollama ставит R1-0528-Qwen3-8B на основе Qwen3, и ее карточка на Hugging Face тоже называет MIT. Исходные дистилляты на 1,5, 7, 14 и 32 млрд параметров происходят из Qwen2.5 под Apache 2.0. Исходные Llama-8B и 70B происходят из моделей Llama под лицензиями llama3.1 и llama3.3. Перед работой в компании откройте лицензию именно вашей модели.

Чем deepseek-r1 в Ollama отличается от DeepSeek в приложении?

Это разные модели: команда из шага 3 ставит не саму R1, а Qwen3 8B, обученную на рассуждениях R1-0528. По карточке разработчика, у нее архитектура Qwen3-8B и токенизатор R1-0528. Полная R1 в этой же библиотеке есть как 671b, с окном 160 тысяч токенов.

Сколько сотрудников смогут работать с одной моделью одновременно?

Столько, сколько выдержит видеопамять, потому что каждый параллельный запрос увеличивает контекст. По документации программы, окно 2K при четырех параллельных запросах занимает память как окно 8K. Длину очереди меняет переменная OLLAMA_MAX_QUEUE, а для отдела стоит заложить запас видеопамяти сверх файла модели.

Как обновить модель и саму Ollama?

Модель обновляет повторная загрузка, а программу ее собственный механизм обновлений. По частым вопросам программы, на Windows и macOS программа сама скачивает обновления, а ставит их пункт «Restart to update» в ее меню. На Linux повторите команду установки из шага 2 и затем пройдите проверку итога из раздела об ошибках.

Источники и проверка

Все источники проверены 20 ноября 2026. Слова в кавычках взяты из двух выступлений Михаила Мозга. Первое о сбоях серверов и новых вирусах: «Server crashes, new viruses, AI agents vs. humans» (2026). Второе о разработке с ИИ: «Pro Vibe Coding: How we cut IT costs by 90%» (2026). Запись выступления можно найти в открытом доступе. Проверено редакцией 21 ноября 2026.

  1. deepseek-ai/DeepSeek-R1 (huggingface.co)
  2. deepseek-ai/DeepSeek-R1-0528-Qwen3-8B (huggingface.co)
  3. deepseek-ai/DeepSeek-V4-Flash (huggingface.co)
  4. deepseek-r1 (ollama.com)
  5. Windows (docs.ollama.com)
  6. macOS (docs.ollama.com)
  7. Linux (docs.ollama.com)
  8. Hardware support (docs.ollama.com)
  9. FAQ (docs.ollama.com)
  10. Context length (docs.ollama.com)
  11. System Requirements (lmstudio.ai)
  12. Offline Operation (lmstudio.ai)
  13. Releases (github.com)
  14. Download LM Studio (lmstudio.ai)
  15. 152-ФЗ, официальный текст (pravo.gov.ru)
  16. 152-ФЗ «О персональных данных» (consultant.ru)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram