DeepSeek är den nya artificiella intelligensen Kina som alla pratar om och som har skapat så mycket uppståndelse. Du har förmodligen redan provat det från deras hemsida eller genom att installera appen på din mobila enhet. Men skulle du vilja? Använder DeepSeek lokalt? I det här inlägget visar vi dig det enklaste sättet att göra det på en Windows 11-dator.
Att använda DeepSeek lokalt har sina fördelar. Det viktigaste av allt är det Du behöver ingen internetanslutning för att interagera med chatboten. Detta förhindrar att informationen du anger från att delas med externa servrar, vilket ger dig större integritet. Är du intresserad? Låt oss ta en titt på proceduren för att installera och starta DeepSeek lokalt på Windows 11.
Vad du behöver för att använda DeepSeek lokalt med Windows 11

Låt oss först se över kraven för att använda DeepSeek lokalt med Windows 11. Det finns flera sätt att göra det på, men det vi ska beskriva nedan är det enklaste av alla. För att göra detta, det första du behöver i en Windows 10 eller Windows 11 dator, även om proceduren även fungerar på datorer som kör Linux och macOS.
För det andra behöver du har cirka 5 GB tillgängligt på din lagringsenhet. Det är den ungefärliga storleken på de avskalade versionerna 7b (4.7 GB) och 8b (4.9 GB) av DeepSeek som kan installeras på nästan vilken dator som helst. Det finns även andra större versioner som kräver mer ström för att köras lokalt, till exempel 671b, som väger 404 GB. Logiskt, ju större storlek, desto bättre prestanda och lyhördhet för AI.
Och för det tredje kommer det att bli nödvändigt Installera ett program på din dator som låter dig köra DeepSeek och chatta med modellenEn av de mest populära är Ollama, designad för att köra flera artificiell intelligens-modeller lokalt. En annan är LM Studio, som i princip utför samma funktion, men med fördelen att tillhandahålla ett mer användarvänligt grafiskt gränssnitt för att interagera med AI.
Steg för steg för att använda DeepSeek lokalt med Windows 11

Som sagt, låt oss komma till Steg för steg för att använda DeepSeek lokalt med Windows 11. Först kommer vi att se proceduren för att göra det genom Ollama, och sedan använda LM Studio-programmet. Kom ihåg att du också kan följa dessa steg för att använda DeepSeek lokalt med Windows 10, macOS och GNU Linux.
Det första man ska göra är att Besök Ollamas hemsida y Ladda ner versionen för Windows operativsystem. Klicka på knappen på ollama.coms hemsida Ladda ner för att gå till nedladdningssidan och ladda ner Ollama .exe-filen. Gå sedan till nedladdningssidan på din dator och kör filen för att installera programmet.
Nästa steg är att starta Ollama-applikationen. Du kan hitta ikonen i Windows Start-meny och klicka på den. Du kommer att märka att programmet inte öppnas som alla andra, utan kommer att köras i bakgrunden. Kontrollera detta i den vänstra menyn i verktygsfältet (du kommer att se Ollama-ikonen bredvid de andra program som körs).
Ladda ner och installera DeepSeek från kommandotolken
Med Ollama igång i bakgrunden, låt oss öppna kommandotolken eller CMD. Du kan söka efter den i Start-menyn eller öppna den genom att trycka på genvägen Windows+R. När detta är gjort, låt oss skriva följande kod för att ladda ner DeepSeek R1 i dess version 7b: ollama pull deepseek-r1:7b. Om du vill installera en annan version, ersätt 7b med det versionsnummer du föredrar.
När nedladdningen är klar, skriv in följande kod i kommandotolken för att installera och starta DeepSeek: ollama kör deepseek-r1:7b. Om du har laddat ner en annan version, kom ihåg att ersätta 7b med rätt kod. Installationsprocessen kommer att ta mer eller mindre tid beroende på din internetanslutning och vilken version av DeepSeek du vill köra. När du är klar kommer du att kunna använda DeepSeek lokalt på din Windows 11-dator.
Vid det här laget kan du nu ställa en fråga till AI. skriva en prompt vid kommandotolken. Innan du ser svaret kommer du att se etiketten och resonemanget som AI använder för att generera det. Detta liknar det som händer i DeepSeek-appen för mobila enheter. När du ska använda AI på din dator lokalt, kom ihåg att köra Ollama-appen först.
Använder DeepSeek lokalt med LM Studio

Att använda DeepSeek lokalt med Ollama är fördelaktigt eftersom applikationen har låga resurser, men det är inte särskilt intuitivt för den genomsnittliga användaren. Om detta är ditt fall har du möjlighet att Kör DeepSeek AI med grafiskt gränssnitt med programmet LM Studio. För att använda den måste du först ladda ner den Windows 11-kompatibla versionen från dess officiella webbplats, lmstudio.ai.
När det är installerat, öppna LM Studio-applikationen och Skriv DeepSeek i sökfältet ovan. Du kommer att se de DeepSeek-modeller som är tillgängliga för nedladdning. Välj den du vill ha och klicka på knappen Ladda ner för att ladda ner den. Kom ihåg att ju tyngre modellen är, desto längre tid tar det att ladda ner och desto större resursbehov att köra den.
När du har laddat ner DeepSeek-modellen klickar du på mappikon som finns i den vertikala menyn till vänster av LM Studio. Där hittar du alla AI-modeller du har laddat ner. Välj DeepSeek och klicka på knappen Laddningsmodell att starta avrättningen och interagera med artificiell intelligens.
Använder LM Studio för att använda DeepSeek lokalt med Windows 11 Det är mycket enklare.. Gränssnittet ser ganska likt det vi ser i mobilappen DeepSeek eller när vi öppnar AI från webbläsaren. Det finns ett textfält för att skriva prompten, och du kan till och med lägga till dokument och andra filer som en del av frågan. Oavsett om du föredrar Ollama eller håller dig till LM Studios grafiska gränssnitt, använder du DeepSeek lokalt och offline. Dra nytta av alla fördelar som denna modalitet erbjuder!
Ända sedan jag var liten har jag varit fascinerad av allt som rör vetenskap och teknologi, särskilt de framsteg som gör våra liv enklare och roligare. Jag älskar att hålla mig uppdaterad om de senaste nyheterna och trenderna, och att dela med mig av mina erfarenheter, åsikter och tips om de enheter och prylar jag använder. Detta ledde mig till att bli webbskribent för drygt fem år sedan, med fokus främst på Android-enheter och Windows-operativsystem. Jag har lärt mig att förklara komplexa koncept på ett enkelt sätt så att mina läsare lätt kan förstå dem.