- 使用 deepseek API + ChatNio
- 使用开源项目deepseek-free-api + ChatNio
- 腾讯 Cloud Studio 部署 DeepSeek-R1:14B
- 解决卡顿问题，其它渠道使用DeepSeek
在NAS 上部署的方式
方案一：API + ChatNio
❌ 缺点：API现阶段无法充值，返回的数据较大会出现无相应情况。
需要准备：
- ChatNio。（也可以选择其它
LLM平台：ChatGPT Next Web、BotGem、OpenCat或者LobeChat等） - 注册deepseek开放平台，并创建
API key。
ChatNio 配置
- 渠道设置 ： 在渠道设置中，配置一下 密匙、接口地址、映射关系；
2. 模型市场 ： 在模型市场中，对刚才渠道中的创建的模型进行上架操作；
deepseek-api 映射模型
-
deepseek-chat模型已全面升级为 DeepSeek-V3，接口不变。 通过指定model='deepseek-chat'即可调用 DeepSeek-V3。 -
deepseek-reasoner是 DeepSeek 最新推出的推理模型 DeepSeek-R1。通过指定model='deepseek-reasoner'，即可调用 DeepSeek-R1。
方案二：网页封装 + ChatNio
❌ 缺点： 网页中有的问题他都有。就比如：
服务器繁忙，请稍后再试。
需要准备：
- deepseek-free-api
- ChatNio
deepseek-free-api 安装和配置
-
在NAS中下载并启动
deepseek-free-api容器，在配置容器时，环境这里加一条deepseek的token信息（📢 注意：token可加可不加，加上后，提问和回答可以同步到网页版）
-
token获取方式：打开浏览器 -> 登录 deepseek -> ctrl+F12 打开
开发者模式-> 在application模块中找到userToken-> 复制其中的value下的内容
ChatNio 配置
基本和 deepseek-api 的配置相同，修改一下 秘钥、接入点、模型映射 即可
deepseek-free-api 映射模型
- 默认deepseek-V3：
deepseek - 深度思考：
deepseek-think或deepseek-r1 - 联网搜索：
deepseek-search - 深度思考 + 联网搜索：
deepseek-r1-search或deepseek-think-search - 静默模式（不输出思考过程或联网搜索结果）：
deepseek-think-silent或deepseek-r1-silent或deepseek-search-silent
方案三：使用云端部署
腾讯 Cloud Studio 部署 DeepSeek-R1:14B 模型，参考文章
部署完成后，还需要进行内网穿透，比如：frp
📢 需要注意：做端口映射的时候，端口号可能并不是常见的 11434，需要使用如下命令查看一下
ChatNio渠道配置的时候
- 密钥填写：<>
- 接入点：http://公网地址:映射端口，例如：http://xxx.xxx.xxx.xxx:6034
- 模型映射：填写 ollama list 查询出来的名称，比如我这里就是：
huihui_ai/deepseek-r1-abliterated:14b
附录：deepseek 的一些知识
| deepseek模型名称 | 擅长 | 版本 |
|---|---|---|
| DeepSeek-V3 | 自然语言处理、知识问答、内容创作 | DeepSeek-V3-671b(满血版)DeepSeek-V3-基础版-671b |
| DeepSeek-R1 | 复杂逻辑推理任务设计 | DeepSeek-R1-671B(满血版)DeepSeek-R1-Zero-671B(原始版)蒸馏版( 1.5B/7B/8B/14B/32B/70B) |
| 模型参数规模 | CPU 建议 | GPU 建议 | 内存建议 | 磁盘空间建议 | 适用场景 |
|---|---|---|---|---|---|
| 1.5b (15亿) | 4核+ | 核显独显均可 | 8GB | 10GB 以上 SSD | 小型 NLP 任务、文本生成、简单分类 |
| 7b (70亿) | 6核+ | 显存8GB+ | 16GB | 20GB 以上 SSD | 中等规模 NLP、对话系统、文本分析 |
| 14b (140亿) | 8核+ | 显存12GB+ | 32GB | 50GB 以上 SSD | 复杂 NLP、多轮对话、知识问答 |
| 32b (320亿) | 12核+ | 显存16GB | 64GB | 100GB 以上 SSD | 大规模 NLP、多模态任务、研究用途 |
| 70b (700亿) | 16核+ | 需多GPU并行 显存40GB+ | 128GB | 200GB 以上 SSD | 超大规模模型、研究、企业级应用 |
| 671b (6710亿) | 服务器级 CPU | 需多GPU并行 显存320GB+ | 256GB | 1TB 以上 NVMe SSD | 超大规模训练、企业级 AI 平台 |
671b- 又被成为满血版，其他版本均为 蒸馏版DeepSeek-R1-671B： 满血版。DeepSeek-R1-Zero-671B： R1的原始版本，会犯错，但更有创意。 基于千问再训练模型：DeepSeek-R1-Distill-Qwen-1.5B、DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Qwen-14B、DeepSeek-R1-Distill-Qwen-32B。 基于Lama再训练模型：DeepSeek-R1-Distill-Llama-8B、DeepSeek-R1-Distill-Llama-70B。
