如果您正在尋找一款推理能力出色且由於開源而免費的 AI，那麼新推出的DeepSeek R1是一個不錯的選擇。它可以與 GPT-4、o1-mini、Claude 3.5 等模型競爭並優於其他模型。我測試了一下，除了好評，什麼都沒有！
如果您想直接在Visual Studio Code中作為類似於 GitHub Copilot 的程式碼代理程式執行它，而不需要花一毛錢，請跟我一起來，我將向您展示如何使用LM Studio 、 Ollama和Jan等工具來執行此操作。
為什麼 DeepSeek R1 最近如此受熱議？
-
它是免費且開源的：與許多收費的模型不同，您無需支付任何費用即可使用它。甚至可以在https://chat.deepseek.com上聊天。
-
效能：它在涉及邏輯、數學甚至程式碼生成（這是我最喜歡的部分）的任務中與其他模型競爭並優於其他模型。
-
多個版本：要在本地執行（LLM），有從 1.5B 到 70B 參數的模型，因此您可以根據您的硬體選擇最適合您的 PC 的版本。
-
易於整合：您可以使用Cline或Roo Code等擴充功能將其連接到 VSCode。
-
無成本：如果您在本地執行，則無需支付令牌或 API 費用。建議使用顯示卡，因為僅在 CPU 上執行速度較慢。
開始之前的重要提示
-
節省資源：如果您的電腦功能不是很強大，請堅持使用較小的型號（1.5B 或 7B 參數）或量化版本。
-
RAM 計算機：使用LLM Calc找出您需要的最小 RAM。
-
隱私：在本地執行意味著您的資料保留在您的 PC 上，不會發送到外部伺服器。
-
無成本：在本地執行是免費的，但如果您想使用 DeepSeek API，則需要支付令牌。好訊息是他們的價格比競爭對手低得多。
選擇哪種型號？這取決於您的電腦！
DeepSeek R1 有多個版本，選擇取決於您的硬體：
-
1.5B參數：
-
所需記憶體：~4 GB。
-
GPU ：整合（如 NVIDIA GTX 1050）或現代 CPU。
-
做什麼的？ ：簡單的任務和普通的電腦。
-
7B 參數：
-
所需記憶體：~8-10 GB。
-
GPU ：專用（例如 NVIDIA GTX 1660 或更好）。
-
做什麼的？ ：中級任務和具有更好硬體的 PC。
-
70B參數：
-
所需記憶體：~40 GB。
-
GPU ：高階（例如 NVIDIA RTX 3090 或更高版本）。
-
做什麼的？ ：複雜的任務和超強大的電腦。
如何在本地執行 DeepSeek R1
1.使用LM Studio
-
下載並安裝 LM Studio ：只需造訪LM Studio網站並下載適合您系統的版本。
-
下載 DeepSeek R1 模型：在 LM Studio 中，前往“發現”選項卡，搜尋“DeepSeek R1”，然後選擇與您的系統最相容的版本。如果您使用的是配備 Apple 處理器的 MacBook，請保持搜尋列旁邊的MLX選項處於選取狀態（這些版本針對 Apple 硬體進行了最佳化）。對於 Windows 或 Linux，選擇GGUF選項。
-
載入模型：下載後，進入本機模型，選擇DeepSeek R1，點選載入。
-
啟動本機伺服器：在「開發人員」標籤中，啟用「啟動伺服器」 。它將開始在
http://localhost:1234執行模型。 -
繼續執行步驟 4與 VSCode 整合！
2.使用Ollama
-
安裝 Ollama ：從Ollama網站下載並安裝。
-
下載模型：在終端機中，執行*：
ollama pull deepseek-r1 *這是主要型號；如果您想要較小的模型，請造訪https://ollama.com/library/deepseek-r1並查看在終端中執行哪個指令。
- 啟動伺服器：在終端機中，執行：
ollama serve 該指令將在http://localhost:11434開始執行模型。
- 繼續執行步驟 4與 VSCode 整合！
3. 使用Jan
-
下載並安裝 Jan ：在Jan網站上選擇適合您的系統的版本。
-
下載模型：一月直接找不到DeepSeek R1。我找到了所需的版本，點擊“使用此模型”按鈕，然後選擇 Jan 作為選項。該模型在一月份自動打開，然後我下載了它。
-
載入模型：下載後，選擇模型，點選載入。
-
啟動伺服器：Jan 自動啟動伺服器，通常位於
http://localhost:1337。 -
繼續執行步驟 4與 VSCode 整合！
4. 與 VSCode 集成
- 安裝擴充功能：在 VSCode 中，開啟擴充功能選項卡並安裝 Cline 或 Roo Code。
-
設定 Jan 或 LM Studio 的擴充： Cline和Roo Code的設定其實是相同的。請依照以下步驟操作：
-
點擊擴充功能並存取“設定” 。
-
在API Provider中，選擇“LM Studio” 。
-
在基本 URL欄位中，輸入 Jan 或 LM Studio 中配置的 URL。
-
如果您只有一種型號可用，則型號 ID欄位將自動填入。否則，手動選擇您下載的DeepSeek模型。
-
點選“完成”即可完成。
-
配置 Ollama 的擴充：
-
點擊擴充功能並存取“設定” 。
-
在API 提供者中，選擇“Ollama” 。
-
在基本 URL欄位中，輸入 Ollama 中配置的 URL。
-
如果您只有一種型號可用，則型號 ID欄位將自動填入。否則，手動選擇您下載的DeepSeek模型。
-
點選“完成”即可完成。
-
整合完成，現在只需享受 Cline 或 Roo Code 的功能。
結論
對於那些想要不花錢就能獲得強大人工智慧的人來說，DeepSeek R1 是他們的救星。使用LM Studio 、 Ollama或Jan ，您可以在本地執行它並將其直接整合到Visual Studio Code 。選擇適合您電腦的型號並立即開始使用！
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式