DeepSeek R1 14B + LM Studio 本地大模型实测

程序员小台

已于 2025-03-02 13:06:55 修改

阅读量3.3k

点赞数 32

分类专栏： DeepSeek 大模型探索开发环境和工具文章标签： DeepSeek LMStudio 4060Ti

于 2025-02-16 09:19:02 首次发布

本文链接：https://blog.csdn.net/Brad_PiTt7/article/details/145654446

版权

开发环境和工具同时被 3 个专栏收录

9 篇文章

订阅专栏

大模型探索

6 篇文章

订阅专栏

DeepSeek

5 篇文章

订阅专栏

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	低	低	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	无	强（分布式/云原生）

2. LM Studio 安装

下载 & 安装

👉 官网下载地址：https://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。
在这里插入图片描述

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

打开 LM Studio，进入 Model（模型）页面
在发现处搜索 LLaMA2-7B / Qwen-7B / DeepSeek-7B/DeepSeek-R1-Distill-Qwen-14B 等
选择 GGUF 格式（如 DeepSeek-R1-Distill-Qwen-14B-Q4_K_M.gguf）
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：

打开 Hugging Face 模型仓库：huggingface 或者魔塔社区

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：
https://huggingface.co/bartowski/DeepSeek-R1-Distill-Qwen-14B-GGUF/tree/main
https://www.modelscope.cn/models/unsloth/DeepSeek-R1-Distill-Qwen-14B-GGUF/files

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

在这里插入图片描述

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

进入 Chat（聊天）界面
选择下载好的模型（如 DeepSeek-R1-Distill-Qwen-14B-GGUF）
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）
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

在 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

📢 模型测试验证视频后续更新，包含由清华大学新闻与传播学院沈阳团队出品的《DeepSeek：从入门到精通》PDF版DeepSeek课程课件，可通过关注B站账号私信获取。
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！