DeepSeek R1 14B + LM Studio 本地大模型实测

DeepSeek R1 14B + LM Studio 本地大模型实测

💡 本文将介绍如何使用 LM Studio 启动大语言模型(LLM),并进行推理测试。LM Studio 是一款轻量级的本地大模型推理工具,适用于 Windows 和 macOS ,支持 Llama.cpp 推理引擎,可轻松运行 LLaMA2、Mistral、Qwen、DeepSeek 等模型

🚀 本教程适合入门用户,重点讲解 LM Studio 的安装、模型下载、配置及测试步骤,并附带截图演示!


1. LM Studio 介绍

什么是 LM Studio?

  • 一款 开源 的本地 LLM 推理 GUI 工具
  • 支持 GGUF 格式大模型(Llama.cpp 后端)
  • 支持 GPU 加速 ,可用 RTX 4060 / 4070 / 4090 运行大模型
  • 可直接在本地进行 离线 AI 对话,不依赖 OpenAI API

支持的模型

  • Meta LLaMA2 / LLaMA3
  • Mistral / Mixtral
  • Qwen / DeepSeek
  • Gemma / Phi-2
  • Hugging Face 上的任意 GGUF 格式模型

本地大模型部署方式对比

部署方式 Ollama LM Studio vLLM
产品定位 本地快速体验 图形化交互工具 生产级推理引擎
用户群体 开发者/爱好者 非技术用户 企业/工程师
部署复杂度 中高
性能优化 基础 一般 极致
适用场景 开发测试、原型验证 个人使用、教育演示 高并发生产环境
扩展性 有限 强(分布式/云原生)

2. LM Studio 安装

下载 & 安装

👉 官网下载地址lmstudio.ai/

Windows / macOS 用户可直接下载并安装,安装步骤很简单,默认下一步即可。

🚀 安装完成后,启动 LM Studio,进入主界面 :点击跳过即可。 点击右下角设置,选择语言,设置简体中文。


3. 下载 & 加载大模型

方式 1:LM Studio 直接下载

  1. 打开 LM Studio ,进入 Model(模型)页面
  2. 发现 处搜索 LLaMA2-7B / Qwen-7B / DeepSeek-7B/DeepSeek-R1-Distill-Qwen-14B
  3. 选择 GGUF 格式(如 DeepSeek-R1-Distill-Qwen-14B-Q4_K_M.gguf)
  4. 点击下载 ,等待模型下载完成(可能会出现网络问题无法下载)

💡 建议选择 4-bit / 5-bit 量化模型(Q4_K_M、Q5_K_M),更适合消费级显卡(如 4060Ti)

方式 2:手动下载 GGUF 模型

如果 LM Studio 下载速度慢(或者搜索访问不到模型结果),可以去 Hugging Face 或者魔塔社区 手动下载:

  1. 打开 Hugging Face 模型仓库huggingface 或者 魔塔社区

  2. 搜索 DeepSeek-R1-Distill-Qwen-14B-GGUF 或其他模型(可根据个人PC条件进行选择) 个人PC情况:CPU:12600KF / 显卡:七彩虹 RTX4060Ti Ultra W OC 8G / 内存:32G DeepSeek 7B(Q4_K_M / Q5_K_M)可运行 (推荐) Qwen 7B(Q4_K / Q5_K)可运行 (推荐) DeepSeek 14B(Q4_K_M) ⚠️ 勉强可跑(性能会受影响,会占满 8GB 显存,可能部分数据溢出到内存,导致性能下降) DeepSeek 32B(Q4_K_M) ⚠️ 不推荐(性能问题) 两个网站的14B模型的具体链接如下: huggingface.co/bartowski/D... www.modelscope.cn/models/unsl...

    量化版本 模型大小(VRAM占用) 适用设备
    Q2_K ~3GB-4GB VRAM 轻量运行,最低精度
    Q3_K_M ~4GB-5GB VRAM 平衡性能与精度
    Q4_K_M ~5GB-6GB VRAM 高质量、适用于 4060 Ti
    Q5_K_M ~6GB-7GB VRAM 更高精度,但可能略卡顿
    Q6_K ~7GB-8GB VRAM 最高量化精度,但对 8GB 显存设备来说压力大
  3. 下载 .gguf 文件,并手动放入 LM Studio 的模型目录

    注意默认模型目录在C盘,我们手动改一下 📂 默认模型路径 (可手动调整): Windows: C:\Users\你的用户名\.lmstudio\models macOS: ~/Library/Application Support/LM Studio/models/ 保存后注意还需要在模型目录下手动创建一个 Publisher/Repository 目录,并将我们的模型放在此处。 再回到 LMStudio 中可以看到我们下载的模型。


4. 启动模型 & 运行测试

运行 DeepSeek-R1-Distill-Qwen-14B-GGUF

  1. 进入 Chat(聊天)界面

  2. 选择下载好的模型 (如 DeepSeek-R1-Distill-Qwen-14B-GGUF)

  3. 调整参数,点击加载模型(这里GPU卸载应该是是翻译问题,意思是GPU负载)

  4. 输入问题,进行 AI 对话测试

    提示词:Java实现一个单例模式

    Java实现一个单例模式(思考推理稍微有点慢,但是结果比较准确)

    推理过程 结果比较准确,两个方式都解答出来了。 提示词:RPC是基于TCP的吗

    RPC是基于TCP的吗(思考推理稍微有点慢,但是结果比较准确)

    提示词:9.9和9.11哪一个数字大?

    这是一个比较有意思的问题(哈哈哈思考推理比较快,但是结果不太对,比较独特的推理,这个问题很多大模型都会答不太对)


5. GPU 加速 & 参数优化

开启 GPU 推理

Settings(设置) 里调整:

  • GPU Offload建议 20-30启用 GPU 加速 验证运行过程还是比较吃资源,运行时电脑稍微有点卡。

💡 不同显存推荐参数

模型 参数量 (B) 原始 FP16 (GB) Q4_K_M (GB) Q5_K_M (GB) 推荐显卡
DeepSeek 7B 7B ~28GB ~4GB ~5GB 4060Ti 8G
DeepSeek 14B 14B ~56GB ~8GB ~10GB 4070 12G
DeepSeek 32B 32B ~128GB ~18GB ~22GB 4090 24G
Qwen 7B 7B ~28GB ~4GB ~5GB 4060Ti 8G
  • DeepSeek-7B / Qwen-7B 适合 4060Ti
  • DeepSeek-14B 推荐 4070 12G 以上
  • DeepSeek-32B 推荐 4090 24G+

6. 总结

LM Studio 是最简单的本地大模型推理工具之一

支持 LLaMA / Qwen / Mistral / DeepSeek 等 GGUF 模型

可以用 RTX 4060Ti / 4070 / 4090 跑 7B / 14B/ 32B 量化模型

适合 AI 开发者 / 学习者 / 自媒体从业者本地跑大模型

📢 模型测试验证视频 MacBook Air (Apple M2)DeepSeek R1 7B 本地大模型效果实测

💡 你是否用过 LM Studio 跑本地大模型?欢迎评论区交流!🌟 你的支持是我持续创作的动力,欢迎点赞、收藏、分享!

相关推荐
wenxin-23 分钟前
DeepSeek-prompt指令-当DeepSeek答非所问,应该如何准确的表达我们的诉求?
prompt·deepseek
weixin_428498492 小时前
问deepseek: OpenFOAM并行分区后,是如何实现ldumatrix矩阵向量乘法计算逻辑的?
deepseek
Baihai_IDP2 小时前
如何高效地为「推理模型」编写最佳提示词?万字长文介绍
人工智能·llm·deepseek
AndrewHZ2 小时前
DeepSeek模型本地化部署方案及Python实现
人工智能·深度学习·算法·语言模型·ai助理·deepseek·本地化部署
传而习乎3 小时前
DeepSeek结合Mermaid绘图(流程图、时序图、类图、状态图、甘特图、饼图)转载
deepseek
吾与谁归in10 小时前
【python运行Janus-Pro-1B文生图功能】
python·文生图·deepseek
mmmu17 小时前
网页快速接入 Deepseek,是如此简单!分分钟带你搞定!
前端·deepseek
QBorfy18 小时前
07篇 AI从零开始 - LangChain学习与实战(4) LangServer部署
前端·人工智能·deepseek
量子位18 小时前
DeepSeek 玩家能提前拿苹果新品!只要 15 万元,在家跑满血版 R1
人工智能·deepseek
Sora3319 小时前
在java中使用deepseek并接入联网搜索和知识库
deepseek