不花一分钱！用免费云GPU私有化部署DeepSeek-R1全流程实战指南

张大鹏520

315人浏览 · 2026-06-22 14:32:36

张大鹏520 · 2026-06-22 14:32:36 发布

不花一分钱！用免费云 GPU 私有化部署 DeepSeek-R1 全流程实战指南

本文适合人群：想体验大模型私有化部署但没有本地高端显卡的开发者，以及对 DeepSeek-R1 感兴趣的 AI 爱好者。全程免费，跟着做就能跑起来。

前言：为什么要私有化部署？

DeepSeek-R1 自发布以来一直是开发者圈的热门话题，它在推理能力上的表现甚至可以媲美 GPT-4o。但很多人只是在网页端体验了一下，真正把它部署到自己环境里的并不多。

私有化部署的好处显而易见：

数据隐私：你的对话数据不会上传到任何第三方服务器
无限调用：不受 API 调用次数和 Token 限制
自定义扩展：可以接入自己的知识库、工具链，做成专属 AI 助手
学习价值：理解大模型推理服务的完整链路

今天带大家用 免费云 GPU（Kaggle / Google Colab / Hugging Face 三选一都行）把 DeepSeek-R1 跑起来，全程零费用。

一、环境准备

1.1 选择免费 GPU 平台

以下三个平台都提供免费 GPU 额度，任选其一：

平台	GPU 型号	免费额度	推荐指数
Kaggle	T4 x2 (16GB×2)	每周 30h	⭐⭐⭐⭐⭐
Google Colab	T4 / A100	每天约 2-4h	⭐⭐⭐⭐
Hugging Face Spaces	Zero GPU A10	按需免费	⭐⭐⭐

💡 推荐 Kaggle：稳定，每周 30 小时额度足够跑很多次实验，注册简单，绑定手机号即可开启 GPU。

1.2 注册 Kaggle 账号

前往 kaggle.com 注册，绑定手机号（必须，否则无法开启 GPU）。

二、部署步骤（以 Kaggle 为例）

2.1 新建 Notebook

登录后点击右上角 + Create → New Notebook，进入代码编辑界面。

在右侧 Settings 面板中：

Session options → Accelerator → 选择 GPU T4 x2
确认 GPU 已分配（右侧显示绿色 GPU 图标）

2.2 安装依赖

在第一个 Cell 中输入并运行：

!pip install -q ollama
!curl -fsSL https://ollama.com/install.sh | sh

2.3 启动 Ollama 服务

import subprocess
import time

# 后台启动 ollama 服务
proc = subprocess.Popen(
    ["ollama", "serve"],
    stdout=subprocess.DEVNULL,
    stderr=subprocess.DEVNULL
)
time.sleep(3)
print("Ollama 服务已启动 ✅")

2.4 拉取 DeepSeek-R1 模型

根据你的显存选择合适的量化版本：

# 7B 量化版（推荐，约 4.7GB，T4 显存完全够用）
!ollama pull deepseek-r1:7b

# 如果有 A100 可以跑更大的版本
# !ollama pull deepseek-r1:14b

⏳ 拉取过程大约需要 3-5 分钟，耐心等待。

2.5 第一次对话测试

import ollama

response = ollama.chat(
    model='deepseek-r1:7b',
    messages=[
        {
            'role': 'user',
            'content': '用 Python 写一个快速排序算法，并解释每一步的思路'
        }
    ]
)

print(response['message']['content'])

运行成功后，你会看到 DeepSeek-R1 用 <think> 标签展示完整的推理思考过程，这正是它区别于其他模型的核心特点。

三、搭建本地 Web UI（可选）

光有命令行不够优雅，我们用 Open WebUI 套一个好看的聊天界面：

!pip install -q open-webui

import subprocess
from pyngrok import ngrok

# 启动 Open WebUI
webui_proc = subprocess.Popen(
    ["open-webui", "serve", "--port", "8080"],
    stdout=subprocess.DEVNULL,
    stderr=subprocess.DEVNULL
)
time.sleep(5)

# 用 ngrok 暴露公网访问地址
public_url = ngrok.connect(8080)
print(f"🚀 访问你的私有 DeepSeek：{public_url}")

打开输出的链接，就能看到和 ChatGPT 一样好看的对话界面，而且完全跑在自己的环境里。

四、接入 Python 程序（OpenAI 兼容接口）

部署好之后，可以用 OpenAI 兼容的接口直接调用，无需大幅修改现有代码：

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama"  # 本地部署不校验 key，随便填
)

completion = client.chat.completions.create(
    model="deepseek-r1:7b",
    messages=[
        {"role": "system", "content": "你是一个专业的代码审查助手"},
        {"role": "user", "content": "帮我优化这段 Python 代码的性能"}
    ],
    stream=True  # 流式输出，体验更流畅
)

for chunk in completion:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)