AgDex
Tutorial Deep Dive April 25, 2026 · 10 min read

DeepSeek Complete Guide 2026: Official Links, API & Local Deployment

Everything in one place — where to use DeepSeek online, how to set up the API, where to download models, and how to run DeepSeek locally with Ollama or LM Studio. Updated for V4.

Contents

  1. 1. Official Access (Chat & API)
  2. 2. Model Lineup (V4)
  3. 3. API Setup (5 minutes)
  4. 4. Model Downloads
  5. 5. Local Deployment: Ollama
  6. 6. Local Deployment: LM Studio
  7. 7. Local Deployment: Docker + vLLM
  8. 8. Hardware Requirements
  9. 9. FAQ

1. Official Access

💬

Chat (Free)

chat.deepseek.com

Web interface, no sign-in required for basic use. Supports V4-Flash and V4-Pro with thinking mode toggle.

🔌

API Platform

platform.deepseek.com

API key management, usage dashboard, billing. Free tier available.

📂

GitHub (Source)

github.com/deepseek-ai

Open-source model weights, inference code, and research papers.

🤗

Hugging Face

huggingface.co/deepseek-ai

Model weights download (GGUF, safetensors). Used by Ollama and LM Studio.

2. Model Lineup (V4, April 2026)

Model Params (Active) Context Best For License
deepseek-v4-pro 1.6T (49B MoE) 1M Agents, coding, complex reasoning MIT
deepseek-v4-flash 284B (13B MoE) 1M High-volume, low-latency tasks MIT
deepseek-r1 671B (37B MoE) 128K Math, science, step-by-step reasoning MIT
deepseek-r1-distill 1.5B / 7B / 14B / 32B 128K Local deployment (consumer GPU) MIT
deepseek-v3 671B (37B MoE) 128K Retiring — migrate to V4 MIT
⚠️ Migration Reminder: Legacy model names deepseek-chat and deepseek-reasoner retire July 24, 2026 . Migrate to deepseek-v4-flash or deepseek-v4-pro .

3. API Setup (5 Minutes)

DeepSeek uses an OpenAI-compatible API — same request format, different base URL.

Step 1 — Get an API Key

  1. Go to platform.deepseek.com
  2. Sign up / log in
  3. Navigate to API Keys → Create API Key
  4. Copy the key (shown once — save it now)

Step 2 — Python (openai library)

pip install openai
from openai import OpenAI

client = OpenAI(
api_key= "your-deepseek-api-key" ,
base_url= "https://api.deepseek.com"
)

response = client.chat.completions.create(
model= "deepseek-v4-flash" ,
messages=[
{ "role" : "user" , "content" : "Hello, DeepSeek!" }
]
)

print(response.choices[0].message.content)

Step 3 — Enable Thinking Mode (V4-Pro)

response = client.chat.completions.create(
model= "deepseek-v4-pro" ,
messages=[{ "role" : "user" , "content" : "Solve step by step..." }],
# Enable extended thinking
extra_body={ "thinking" : { "type" : "enabled" }}
)

# Access thinking content
thinking = response.choices[0].message.reasoning_content
answer = response.choices[0].message.content

4. Model Downloads

DeepSeek models are open-source under MIT license. Three main sources:

🤗 Hugging Face (Recommended)

huggingface.co/deepseek-ai

Full model weights in safetensors format. Use for vLLM, Transformers, custom inference.

pip install huggingface_hub
huggingface-cli download deepseek-ai/DeepSeek-V4-Flash --local-dir ./models/deepseek-v4-flash

🦙 Ollama Library (Easiest for Local)

ollama.com/library/deepseek-v3

Pre-quantized GGUF format. One command to download and run. Best for consumer hardware.

ollama pull deepseek-v3:latest
# R1 distill variants (smaller)
ollama pull deepseek-r1:7b
ollama pull deepseek-r1:14b

🧊 ModelScope (China Mirror)

modelscope.cn/deepseek-ai

Faster downloads from mainland China. Same weights as HuggingFace.

5. Local Deployment: Ollama

Ollama is the easiest way to run DeepSeek locally. Works on macOS, Linux, and Windows.

Install Ollama

# macOS / Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows: download installer from ollama.com

Pull and Run DeepSeek

# DeepSeek R1 distill — best for consumer GPUs
ollama run deepseek-r1:7b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b

# DeepSeek V3 (full, needs high VRAM)
ollama run deepseek-v3:latest

Use via OpenAI-Compatible API

Ollama exposes an OpenAI-compatible endpoint at http://localhost:11434 :

from openai import OpenAI

client = OpenAI(
base_url= "http://localhost:11434/v1" ,
api_key= "ollama" # any string
)

response = client.chat.completions.create(
model= "deepseek-r1:14b" ,
messages=[{ "role" : "user" , "content" : "Hello!" }]
)

Use with LangChain

from langchain_ollama import ChatOllama

llm = ChatOllama(model= "deepseek-r1:14b" )
result = llm.invoke( "Explain MCP protocol in 3 sentences" )

6. Local Deployment: LM Studio

LM Studio provides a GUI for downloading and running models. Best for non-technical users or Windows users who prefer a desktop app.

  1. Download LM Studio from lmstudio.ai
  2. Open the app → Search for "deepseek" in the Discover tab
  3. Select a model variant (e.g., DeepSeek-R1-Distill-Qwen-14B-GGUF )
  4. Click Download — wait for completion (several GB)
  5. Load the model → Chat directly in the UI
  6. Or enable the Local Server (port 1234) for API access
# LM Studio local server — OpenAI compatible
client = OpenAI(base_url= "http://localhost:1234/v1" , api_key= "lm-studio" )
response = client.chat.completions.create(
model= "deepseek-r1-distill-qwen-14b" ,
messages=[{ "role" : "user" , "content" : "..." }]
)

7. Local Deployment: Docker + vLLM

For production-grade local deployment with GPU, vLLM gives you the best performance.

# Pull the vLLM Docker image
docker pull vllm/vllm-openai:latest

# Run DeepSeek R1 (14B distill) — requires ~30GB VRAM
docker run --runtime nvidia --gpus all \
-v ~/.cache/huggingface:/root/.cache/huggingface \
-p 8000:8000 \
vllm/vllm-openai:latest \
--model deepseek-ai/DeepSeek-R1-Distill-Qwen-14B \
--tensor-parallel-size 1

# API available at http://localhost:8000/v1
# Or use docker-compose for persistent setup
version: '3.8'
services:
deepseek:
image: vllm/vllm-openai:latest
runtime: nvidia
environment:
- HUGGING_FACE_HUB_TOKEN=your_hf_token
volumes:
- hf_cache:/root/.cache/huggingface
ports:
- "8000:8000"
command: ["--model", "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B"]

8. Hardware Requirements

Model VRAM (Full) VRAM (Q4 Quant) Recommended GPU
R1 Distill 7B 14 GB 5 GB RTX 3060 / M2 Pro
R1 Distill 14B 28 GB 10 GB RTX 3090 / M2 Max
R1 Distill 32B 64 GB 22 GB RTX 4090 / A100 40G
V3 / R1 671B ~1.3 TB 400+ GB Multi-GPU server (H100 ×8)

💡 Practical tip: For most developers, R1 Distill 14B (Q4) is the sweet spot — runs on a single RTX 3090 or M2 Max, competitive reasoning quality, fast enough for development work.

9. FAQ

Is DeepSeek free to use?

Chat at chat.deepseek.com is free with rate limits. API has a free tier with monthly credits; paid pricing is among the lowest of any frontier model ($0.07/M input tokens for Flash, $0.27/M for Pro as of April 2026). Model weights are MIT licensed — free to download and self-host.

Is DeepSeek V4 open source?

Yes — both V4-Pro and V4-Flash are released under the MIT license. Weights available on Hugging Face and ModelScope. You can fine-tune, deploy commercially, and modify without restriction.

What's the difference between V4 and R1?

V4 is the general-purpose conversational + coding model. R1 is a reasoning-specialized model trained with reinforcement learning — better at math, logic, and step-by-step problem solving, but slower. For most agent use cases, V4 is the right choice.

Can I use DeepSeek with LangChain / CrewAI / AutoGen?

Yes — all major frameworks support DeepSeek via the OpenAI-compatible API. Just set base_url="https://api.deepseek.com" and your DeepSeek API key. For local Ollama deployments, point to http://localhost:11434/v1 .

What happens to deepseek-chat / deepseek-reasoner after July 24?

They will be fully deprecated. Requests using these model names will return an error. Migrate to deepseek-v4-flash (equivalent to old deepseek-chat) or deepseek-v4-pro (upgraded from deepseek-reasoner).

Find DeepSeek and 400+ AI agent tools, LLM APIs, and frameworks at AgDex.ai .

← All Articles DeepSeek V4 Overview →

🔧 Related Tools

Claude → Claude API → Claude Code → Claude 3.7 Sonnet →

📚 Related Articles

Tutorial Análisis Profundo 25 de abril de 2026 · Lectura de 10 min

Guía Completa de DeepSeek 2026: Enlaces Oficiales, API y Despliegue Local

Todo en un solo lugar: dónde usar DeepSeek en línea, cómo configurar la API, dónde descargar modelos y cómo ejecutar DeepSeek localmente con Ollama o LM Studio. Actualizado para V4.

Contenido

  1. 1. Acceso Oficial (Chat y API)
  2. 2. Línea de Modelos (V4)
  3. 3. Configuración de la API (5 minutos)
  4. 4. Descargas de Modelos
  5. 5. Despliegue Local: Ollama
  6. 6. Despliegue Local: LM Studio
  7. 7. Despliegue Local: Docker + vLLM
  8. 8. Requisitos de Hardware
  9. 9. Preguntas Frecuentes (FAQ)

1. Acceso Oficial

💬

Chat (Gratuito)

chat.deepseek.com

Interfaz web, no se requiere inicio de sesión para uso básico. Soporta V4-Flash y V4-Pro con interruptor de modo de pensamiento.

🔌

Plataforma de API

platform.deepseek.com

Gestión de claves de API, panel de uso, facturación. Nivel gratuito disponible.

📂

GitHub (Código Fuente)

github.com/deepseek-ai

Pesos de modelos de código abierto, código de inferencia y artículos de investigación.

🤗

Hugging Face

huggingface.co/deepseek-ai

Descarga de pesos de modelos (GGUF, safetensors). Utilizado por Ollama y LM Studio.

2. Línea de Modelos (V4, Abril de 2026)

Modelo Parámetros (Activos) Contexto Ideal Para Licencia
deepseek-v4-pro 1.6T (49B MoE) 1M Agentes, programación, razonamiento complejo MIT
deepseek-v4-flash 284B (13B MoE) 1M Tareas de gran volumen y baja latencia MIT
deepseek-r1 671B (37B MoE) 128K Matemáticas, ciencia, razonamiento paso a paso MIT
deepseek-r1-distill 1.5B / 7B / 14B / 32B 128K Despliegue local (GPU de consumo) MIT
deepseek-v3 671B (37B MoE) 128K Retirándose — migrar a V4 MIT
⚠️ Recordatorio de Migración: Los nombres de modelos heredados deepseek-chat y deepseek-reasoner se retirarán el 24 de julio de 2026 . Migre a deepseek-v4-flash o deepseek-v4-pro .

3. Configuración de la API (5 minutos)

DeepSeek utiliza una API compatible con OpenAI: mismo formato de solicitud, diferente URL base.

Paso 1 — Obtener una Clave de API

  1. Vaya a platform.deepseek.com
  2. Regístrese / Inicie sesión
  3. Navegue a API Keys → Create API Key
  4. Copie la clave (se muestra una sola vez, guárdela ahora)

Paso 2 — Python (biblioteca openai)

pip install openai
from openai import OpenAI

client = OpenAI(
api_key= "your-deepseek-api-key" ,
base_url= "https://api.deepseek.com"
)

response = client.chat.completions.create(
model= "deepseek-v4-flash" ,
messages=[
{ "role" : "user" , "content" : "Hello, DeepSeek!" }
]
)

print(response.choices[0].message.content)

Paso 3 — Habilitar el Modo de Pensamiento (V4-Pro)

response = client.chat.completions.create(
model= "deepseek-v4-pro" ,
messages=[{ "role" : "user" , "content" : "Solve step by step..." }],
# Habilitar pensamiento extendido
extra_body={ "thinking" : { "type" : "enabled" }}
)

# Acceder al contenido del pensamiento
thinking = response.choices[0].message.reasoning_content
answer = response.choices[0].message.content

4. Descargas de Modelos

Los modelos de DeepSeek son de código abierto bajo la licencia MIT. Tres fuentes principales:

🤗 Hugging Face (Recomendado)

huggingface.co/deepseek-ai

Pesos completos del modelo en formato safetensors. Úselo para vLLM, Transformers, inferencia personalizada.

pip install huggingface_hub
huggingface-cli download deepseek-ai/DeepSeek-V4-Flash --local-dir ./models/deepseek-v4-flash

🦙 Biblioteca de Ollama (El más fácil para local)

ollama.com/library/deepseek-v3

Formato GGUF precuantizado. Un comando para descargar y ejecutar. Ideal para hardware de consumo.

ollama pull deepseek-v3:latest
# Variantes destiladas de R1 (más pequeñas)
ollama pull deepseek-r1:7b
ollama pull deepseek-r1:14b

🎛 ModelScope (Espejo de China)

modelscope.cn/deepseek-ai

Descargas más rápidas desde China continental. Mismos pesos que HuggingFace.

5. Despliegue Local: Ollama

Ollama es la forma más sencilla de ejecutar DeepSeek localmente. Funciona en macOS, Linux y Windows.

Instalar Ollama

# macOS / Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows: descargar instalador desde ollama.com

Descargar y Ejecutar DeepSeek

# DeepSeek R1 destilado: el mejor para GPUs de consumo
ollama run deepseek-r1:7b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b

# DeepSeek V3 (completo, requiere VRAM alta)
ollama run deepseek-v3:latest

Uso a través de una API compatible con OpenAI

Ollama expone un punto de conexión compatible con OpenAI en http://localhost:11434 :

from openai import OpenAI

client = OpenAI(
base_url= "http://localhost:11434/v1" ,
api_key= "ollama" # cualquier cadena de texto
)

response = client.chat.completions.create(
model= "deepseek-r1:14b" ,
messages=[{ "role" : "user" , "content" : "Hello!" }]
)

Uso con LangChain

from langchain_ollama import ChatOllama

llm = ChatOllama(model= "deepseek-r1:14b" )
result = llm.invoke( "Explica el protocolo MCP en 3 frases" )

6. Despliegue Local: LM Studio

LM Studio proporciona una interfaz gráfica (GUI) para descargar y ejecutar modelos. Ideal para usuarios no técnicos o usuarios de Windows que prefieren una aplicación de escritorio.

  1. Descargue LM Studio desde lmstudio.ai
  2. Abra la aplicación → Busque "deepseek" en la pestaña Discover
  3. Seleccione una variante del modelo (por ejemplo, DeepSeek-R1-Distill-Qwen-14B-GGUF )
  4. Haga clic en Download : espere a que se complete (varios GB)
  5. Cargue el modelo → Chatee directamente en la interfaz de usuario
  6. O habilite el Local Server (puerto 1234) para el acceso a la API
# Servidor local de LM Studio: compatible con OpenAI
client = OpenAI(base_url= "http://localhost:1234/v1" , api_key= "lm-studio" )
response = client.chat.completions.create(
model= "deepseek-r1-distill-qwen-14b" ,
messages=[{ "role" : "user" , "content" : "..." }]
)

7. Despliegue Local: Docker + vLLM

Para un despliegue local de nivel de producción con GPU, vLLM le ofrece el mejor rendimiento.

# Descargar la imagen de Docker de vLLM
docker pull vllm/vllm-openai:latest

# Ejecutar DeepSeek R1 (14B destilado): requiere aproximadamente 30 GB de VRAM
docker run --runtime nvidia --gpus all \
-v ~/.cache/huggingface:/root/.cache/huggingface \
-p 8000:8000 \
vllm/vllm-openai:latest \
--model deepseek-ai/DeepSeek-R1-Distill-Qwen-14B \
--tensor-parallel-size 1

# API disponible en http://localhost:8000/v1
# O use docker-compose para una configuración persistente
version: '3.8'
services:
deepseek:
image: vllm/vllm-openai:latest
runtime: nvidia
environment:
- HUGGING_FACE_HUB_TOKEN=your_hf_token
volumes:
- hf_cache:/root/.cache/huggingface
ports:
- "8000:8000"
command: ["--model", "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B"]

8. Requisitos de Hardware

Modelo VRAM (Completa) VRAM (Cuantización Q4) GPU Recomendada
R1 Distill 7B 14 GB 5 GB RTX 3060 / M2 Pro
R1 Distill 14B 28 GB 10 GB RTX 3090 / M2 Max
R1 Distill 32B 64 GB 22 GB RTX 4090 / A100 40G
V3 / R1 671B ~1.3 TB 400+ GB Servidor Multi-GPU (H100 ×8)

💡 Consejo práctico: Para la mayoría de los desarrolladores, R1 Distill 14B (Q4) es el punto óptimo: se ejecuta en una sola RTX 3090 o M2 Max, ofrece una calidad de razonamiento competitiva y es lo suficientemente rápido para el trabajo de desarrollo.

9. Preguntas Frecuentes (FAQ)

¿Es DeepSeek de uso gratuito?

El chat en chat.deepseek.com es gratuito con límites de velocidad. La API tiene un nivel gratuito con créditos mensuales; los precios de pago se encuentran entre los más bajos de cualquier modelo de frontera ($0.07/M de tokens de entrada para Flash, $0.27/M para Pro a abril de 2026). Los pesos de los modelos tienen licencia MIT: se pueden descargar y autoalojar de forma gratuita.

¿Es DeepSeek V4 de código abierto?

Sí, tanto V4-Pro como V4-Flash se lanzan bajo la licencia MIT. Pesos disponibles en Hugging Face y ModelScope. Puede ajustarlo, desplegarlo comercialmente y modificarlo sin restricciones.

¿Cuál es la diferencia entre V4 y R1?

V4 es el modelo de conversación y programación de propósito general. R1 es un modelo especializado en razonamiento entrenado con aprendizaje por refuerzo: mejor en matemáticas, lógica y resolución de problemas paso a paso, pero más lento. Para la mayoría de los casos de uso de agentes, V4 es la elección correcta.

¿Puedo usar DeepSeek con LangChain / CrewAI / AutoGen?

Sí, todos los frameworks principales soportan DeepSeek a través de la API compatible con OpenAI. Simplemente configure base_url="https://api.deepseek.com" y su clave de API de DeepSeek. Para despliegues locales de Ollama, apunte a http://localhost:11434/v1 .

¿Qué pasa con deepseek-chat / deepseek-reasoner después del 24 de julio?

Quedarán completamente obsoletos. Las solicitudes que utilicen estos nombres de modelos devolverán un error. Migre a deepseek-v4-flash (equivalente al antiguo deepseek-chat) o deepseek-v4-pro (actualizado desde deepseek-reasoner).

Encuentre DeepSeek y más de 400 herramientas de agentes de IA, APIs de LLM y frameworks en AgDex.ai .

← Todos los Artículos Descripción General de DeepSeek V4 →

🔧 Herramientas Relacionadas

Claude → Claude API → Claude Code → Claude 3.7 Sonnet →

📚 Artículos Relacionados

Tutorial Tiefes Eintauchen 25. April 2026 · 10 Min. Lesezeit

Vollständiger Leitfaden zu DeepSeek 2026: Offizielle Links, API & lokales Deployment

Alles an einem Ort — wo man DeepSeek online nutzt, wie man die API einrichtet, wo man Modelle herunterlädt und wie man DeepSeek lokal mit Ollama oder LM Studio ausführt. Aktualisiert für V4.

Inhalt

  1. 1. Offizieller Zugang (Chat & API)
  2. 2. Modell-Übersicht (V4)
  3. 3. API-Einrichtung (5 Minuten)
  4. 4. Modell-Downloads
  5. 5. Lokales Deployment: Ollama
  6. 6. Lokales Deployment: LM Studio
  7. 7. Lokales Deployment: Docker + vLLM
  8. 8. Hardware-Anforderungen
  9. 9. Häufig gestellte Fragen (FAQ)

1. Offizieller Zugang

💬

Chat (Kostenlos)

chat.deepseek.com

Web-Oberfläche, keine Anmeldung für die grundlegende Nutzung erforderlich. Unterstützt V4-Flash und V4-Pro mit Umschalter für den Denkmodus.

🔌

API-Plattform

platform.deepseek.com

API-Schlüssel-Verwaltung, Dashboard zur Nutzung, Abrechnung. Kostenlose Stufe verfügbar.

📂

GitHub (Quellcode)

github.com/deepseek-ai

Quelloffene Modellgewichte, Inferenzcode und Forschungsarbeiten.

🤗

Hugging Face

huggingface.co/deepseek-ai

Download von Modellgewichten (GGUF, safetensors). Genutzt von Ollama und LM Studio.

2. Modell-Übersicht (V4, April 2026)

Modell Parameter (Aktiv) Kontext Beste Eignung für Lizenz
deepseek-v4-pro 1.6T (49B MoE) 1M Agenten, Programmierung, komplexes logisches Denken MIT
deepseek-v4-flash 284B (13B MoE) 1M Hochvolumige Aufgaben mit geringer Latenz MIT
deepseek-r1 671B (37B MoE) 128K Mathematik, Wissenschaft, schrittweises Denken MIT
deepseek-r1-distill 1.5B / 7B / 14B / 32B 128K Lokales Deployment (Endverbraucher-GPU) MIT
deepseek-v3 671B (37B MoE) 128K Wird eingestellt — Migration auf V4 MIT
⚠️ Migrationshinweis: Die veralteten Modellnamen deepseek-chat und deepseek-reasoner werden zum 24. Juli 2026 eingestellt. Bitte migrieren Sie auf deepseek-v4-flash oder deepseek-v4-pro .

3. API-Einrichtung (5 Minuten)

DeepSeek verwendet eine OpenAI-kompatible API — gleiches Anfrageformat, andere Basis-URL.

Schritt 1 — API-Schlüssel erhalten

  1. Gehen Sie auf platform.deepseek.com
  2. Registrieren / Einloggen
  3. Navigieren Sie zu API Keys → Create API Key
  4. Kopieren Sie den Schlüssel (wird nur einmal angezeigt — jetzt speichern)

Schritt 2 — Python (openai-Bibliothek)

pip install openai
from openai import OpenAI

client = OpenAI(
api_key= "your-deepseek-api-key" ,
base_url= "https://api.deepseek.com"
)

response = client.chat.completions.create(
model= "deepseek-v4-flash" ,
messages=[
{ "role" : "user" , "content" : "Hello, DeepSeek!" }
]
)

print(response.choices[0].message.content)

Schritt 3 — Denkmodus aktivieren (V4-Pro)

response = client.chat.completions.create(
model= "deepseek-v4-pro" ,
messages=[{ "role" : "user" , "content" : "Solve step by step..." }],
# Erweitertes Denken aktivieren
extra_body={ "thinking" : { "type" : "enabled" }}
)

# Auf Denkprozess-Inhalte zugreifen
thinking = response.choices[0].message.reasoning_content
answer = response.choices[0].message.content

4. Modell-Downloads

DeepSeek-Modelle sind quelloffen unter der MIT-Lizenz. Es gibt drei Hauptquellen:

🤗 Hugging Face (Empfohlen)

huggingface.co/deepseek-ai

Vollständige Modellgewichte im Safetensors-Format. Nutzung für vLLM, Transformers, eigene Inferenz.

pip install huggingface_hub
huggingface-cli download deepseek-ai/DeepSeek-V4-Flash --local-dir ./models/deepseek-v4-flash

🦙 Ollama-Bibliothek (Am einfachsten für lokale Nutzung)

ollama.com/library/deepseek-v3

Vorquantisiertes GGUF-Format. Ein Befehl zum Herunterladen und Ausführen. Am besten für Endverbraucher-Hardware.

ollama pull deepseek-v3:latest
# Destillierte R1-Varianten (kleiner)
ollama pull deepseek-r1:7b
ollama pull deepseek-r1:14b

🎛 ModelScope (China-Mirror)

modelscope.cn/deepseek-ai

Schnellere Downloads aus Festlandchina. Identische Gewichte wie auf Hugging Face.

5. Lokales Deployment: Ollama

Ollama ist der einfachste Weg, DeepSeek lokal auszuführen. Funktioniert auf macOS, Linux und Windows.

Ollama installieren

# macOS / Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows: Installer von ollama.com herunterladen

DeepSeek herunterladen und ausführen

# DeepSeek R1 Distill — am besten für Endverbraucher-GPUs
ollama run deepseek-r1:7b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b

# DeepSeek V3 (vollständig, erfordert viel VRAM)
ollama run deepseek-v3:latest

Nutzung über OpenAI-kompatible API

Ollama stellt einen OpenAI-kompatiblen Endpunkt unter http://localhost:11434 bereit:

from openai import OpenAI

client = OpenAI(
base_url= "http://localhost:11434/v1" ,
api_key= "ollama" # beliebiger String
)

response = client.chat.completions.create(
model= "deepseek-r1:14b" ,
messages=[{ "role" : "user" , "content" : "Hello!" }]
)

Nutzung mit LangChain

from langchain_ollama import ChatOllama

llm = ChatOllama(model= "deepseek-r1:14b" )
result = llm.invoke( "Erkläre das MCP-Protokoll in 3 Sätzen" )

6. Lokales Deployment: LM Studio

LM Studio bietet eine grafische Benutzeroberfläche (GUI) zum Herunterladen und Ausführen von Modellen. Ideal für technisch weniger versierte Nutzer oder Windows-Anwender, die eine Desktop-App bevorzugen.

  1. Laden Sie LM Studio von lmstudio.ai herunter
  2. Öffnen Sie die App → Suchen Sie im Discover-Tab nach "deepseek"
  3. Wählen Sie eine Modellvariante aus (z. B. DeepSeek-R1-Distill-Qwen-14B-GGUF )
  4. Klicken Sie auf Download — warten Sie auf den Abschluss (mehrere GB)
  5. Laden Sie das Modell → Chatten Sie direkt in der Benutzeroberfläche
  6. Oder aktivieren Sie den Local Server (Port 1234) für den API-Zugriff
# LM Studio lokaler Server — OpenAI-kompatibel
client = OpenAI(base_url= "http://localhost:1234/v1" , api_key= "lm-studio" )
response = client.chat.completions.create(
model= "deepseek-r1-distill-qwen-14b" ,
messages=[{ "role" : "user" , "content" : "..." }]
)

7. Lokales Deployment: Docker + vLLM

Für den produktiven lokalen Einsatz mit GPU bietet vLLM die beste Performance.

# vLLM-Docker-Image herunterladen
docker pull vllm/vllm-openai:latest

# DeepSeek R1 ausführen (14B Distill) — erfordert ~30 GB VRAM
docker run --runtime nvidia --gpus all \
-v ~/.cache/huggingface:/root/.cache/huggingface \
-p 8000:8000 \
vllm/vllm-openai:latest \
--model deepseek-ai/DeepSeek-R1-Distill-Qwen-14B \
--tensor-parallel-size 1

# API verfügbar unter http://localhost:8000/v1
# Oder docker-compose für persistentes Setup nutzen
version: '3.8'
services:
deepseek:
image: vllm/vllm-openai:latest
runtime: nvidia
environment:
- HUGGING_FACE_HUB_TOKEN=your_hf_token
volumes:
- hf_cache:/root/.cache/huggingface
ports:
- "8000:8000"
command: ["--model", "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B"]

8. Hardware-Anforderungen

Modell VRAM (Vollständig) VRAM (Q4 Quantisiert) Empfohlene GPU
R1 Distill 7B 14 GB 5 GB RTX 3060 / M2 Pro
R1 Distill 14B 28 GB 10 GB RTX 3090 / M2 Max
R1 Distill 32B 64 GB 22 GB RTX 4090 / A100 40G
V3 / R1 671B ~1.3 TB 400+ GB Multi-GPU-Server (H100 ×8)

💡 Praktischer Tipp: Für die meisten Entwickler ist R1 Distill 14B (Q4) die optimale Wahl — läuft auf einer einzelnen RTX 3090 oder einem M2 Max, bietet eine konkurrenzfähige logische Qualität und ist schnell genug für die alltägliche Entwicklung.

9. Häufig gestellte Fragen (FAQ)

Ist die Nutzung von DeepSeek kostenlos?

Der Chat auf chat.deepseek.com ist mit Ratenbegrenzungen kostenlos. Die API verfügt über eine kostenlose Stufe mit monatlichem Guthaben; die kostenpflichtigen Preise gehören zu den niedrigsten aller Spitzenmodelle ($0.07/M Eingabe-Token für Flash, $0.27/M für Pro, Stand April 2026). Die Modellgewichte stehen unter der MIT-Lizenz — kostenlos herunterladbar und selbst hostbar.

Ist DeepSeek V4 Open Source?

Ja — sowohl V4-Pro als auch V4-Flash sind unter der MIT-Lizenz veröffentlicht. Die Gewichte sind auf Hugging Face und ModelScope verfügbar. Sie dürfen die Modelle ohne Einschränkungen feintunen, kommerziell nutzen und modifizieren.

Was ist der Unterschied zwischen V4 und R1?

V4 ist das Allzweck-Modell für Konversationen und Codierung. R1 ist ein auf logisches Denze spezialisiertes Modell, das durch Reinforcement Learning trainiert wurde — besser in Mathematik, Logik und schrittweiser Problemlösung, aber langsamer. Für die meisten Agenten-Anwendungsfälle ist V4 die richtige Wahl.

Kann ich DeepSeek mit LangChain / CrewAI / AutoGen nutzen?

Ja — alle gängigen Frameworks unterstützen DeepSeek über die OpenAI-kompatible API. Setzen Sie einfach base_url="https://api.deepseek.com" und tragen Sie Ihren DeepSeek-API-Schlüssel ein. Für lokale Ollama-Deployments verweisen Sie auf http://localhost:11434/v1 .

Was passiert nach dem 24. Juli mit deepseek-chat / deepseek-reasoner?

Diese werden vollständig eingestellt. Anfragen, die diese Modellnamen verwenden, geben einen Fehler zurück. Bitte migrieren Sie auf deepseek-v4-flash (entspricht dem alten deepseek-chat) oder deepseek-v4-pro (Upgrade von deepseek-reasoner).

Finden Sie DeepSeek und über 400 KI-Agenten-Tools, LLM-APIs und Frameworks auf AgDex.ai .

← Alle Artikel DeepSeek V4 Übersicht →

🔧 Ähnliche Tools

Claude → Claude API → Claude Code → Claude 3.7 Sonnet →

📚 Ähnliche Artikel

チュートリアル ディープダイブ 2026年4月25日 · 読了時間 約10分

DeepSeek完全ガイド2026：公式リンク、API利用方法、ローカル開発環境の構築

DeepSeekをオンラインで利用できる場所、APIのセットアップ手順、モデルのダウンロード元、そしてOllamaやLM Studioを使用してローカルで実行する方法まで、すべてを網羅しています。V4対応。

目次

  1. 1. 公式アクセス（チャット ＆ API）
  2. 2. モデルラインナップ（V4）
  3. 3. APIのセットアップ（5分）
  4. 4. モデルのダウンロード
  5. 5. ローカルデプロイ：Ollama
  6. 6. ローカルデプロイ：LM Studio
  7. 7. ローカルデプロイ：Docker ＋ vLLM
  8. 8. 必要スペック（ハードウェア要件）
  9. 9. よくある質問（FAQ）

1. 公式アクセス

💬

チャット（無料）

chat.deepseek.com

Webインターフェース。基本的な利用であればサインイン不要。思考モード（Thinking Mode）の切り替えスイッチを備え、V4-FlashとV4-Proに対応。

🔌

APIプラットフォーム

platform.deepseek.com

APIキーの管理、利用状況ダッシュボード、お支払い情報。無料枠あり。

📂

GitHub（ソースコード）

github.com/deepseek-ai

オープンソースのモデルウェイト（重みデータ）、推論コード、研究論文を公開。

🤗

Hugging Face

huggingface.co/deepseek-ai

モデルウェイトのダウンロード（GGUF、safetensors形式）。OllamaやLM Studioで利用されます。

2. モデルラインナップ（V4、2026年4月現在）

モデル パラメータ数（アクティブ） コンテキスト 最適な用途 ライセンス
deepseek-v4-pro 1.6T (49B MoE) 1M エージェント、コーディング、複雑な推論 MIT
deepseek-v4-flash 284B (13B MoE) 1M 大量処理、低遅延タスク MIT
deepseek-r1 671B (37B MoE) 128K 数学、科学、ステップバイステップの推論 MIT
deepseek-r1-distill 1.5B / 7B / 14B / 32B 128K ローカルデプロイ（一般GPU向け） MIT
deepseek-v3 671B (37B MoE) 128K 廃止予定 — V4へ移行してください MIT
⚠️ 移行のご案内： 従来のモデル名である deepseek-chat と deepseek-reasoner は、 2026年7月24日 に廃止されます。 deepseek-v4-flash または deepseek-v4-pro へ移行してください。

3. APIのセットアップ（5分）

DeepSeekはOpenAI互換のAPIを提供しています。リクエスト形式は共通ですが、ベースURLが異なります。

ステップ1 — APIキーの取得

  1. platform.deepseek.com にアクセスします
  2. サインアップ / ログインします
  3. API Keys → Create API Key に移動します
  4. キーをコピーします（一度しか表示されないため、すぐに保存してください）

ステップ2 — Python（openaiライブラリ）

pip install openai
from openai import OpenAI

client = OpenAI(
api_key= "your-deepseek-api-key" ,
base_url= "https://api.deepseek.com"
)

response = client.chat.completions.create(
model= "deepseek-v4-flash" ,
messages=[
{ "role" : "user" , "content" : "Hello, DeepSeek!" }
]
)

print(response.choices[0].message.content)

ステップ3 — 思考モード（Thinking Mode）の有効化（V4-Pro）

response = client.chat.completions.create(
model= "deepseek-v4-pro" ,
messages=[{ "role" : "user" , "content" : "Solve step by step..." }],
# 拡張思考（思考プロセス）を有効化
extra_body={ "thinking" : { "type" : "enabled" }}
)

# 思考プロセスと最終回答にアクセス
thinking = response.choices[0].message.reasoning_content
answer = response.choices[0].message.content

4. モデルのダウンロード

DeepSeekのモデルはMITライセンスの下でオープンソースとして公開されています。主な入手先は以下の3つです：

🤗 Hugging Face（推奨）

huggingface.co/deepseek-ai

safetensors形式 of full model weights（safetensors形式の完全なモデルウェイト）。vLLM、Transformers、カスタム推論などに使用します。

pip install huggingface_hub
huggingface-cli download deepseek-ai/DeepSeek-V4-Flash --local-dir ./models/deepseek-v4-flash

🦙 Ollamaライブラリ（ローカル実行で最も簡単）

ollama.com/library/deepseek-v3

量子化済みのGGUF形式。コマンド一つでダウンロードして実行できます。一般的なハードウェアに最適です。

ollama pull deepseek-v3:latest
# R1の蒸留（distill）モデル（軽量版）
ollama pull deepseek-r1:7b
ollama pull deepseek-r1:14b

🎛 ModelScope（中国国内ミラー）

modelscope.cn/deepseek-ai

中国国内からの高速ダウンロードに対応。重みデータはHugging Faceと同一です。

5. ローカルデプロイ：Ollama

Ollamaは、DeepSeekをローカルで動かす最も簡単な方法です。macOS、Linux、Windowsで動作します。

Ollamaのインストール

# macOS / Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows: インストーラーを ollama.com からダウンロードしてください

DeepSeekの取得と実行

# DeepSeek R1蒸留モデル — 一般的なGPUに最適
ollama run deepseek-r1:7b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b

# DeepSeek V3（フルパラメータ版、高VRAMが必要）
ollama run deepseek-v3:latest

OpenAI互換APIを介した利用

Ollamaは、 http://localhost:11434 でOpenAI互換のエンドポイントを提供します：

from openai import OpenAI

client = OpenAI(
base_url= "http://localhost:11434/v1" ,
api_key= "ollama" # 任意の文字列
)

response = client.chat.completions.create(
model= "deepseek-r1:14b" ,
messages=[{ "role" : "user" , "content" : "Hello!" }]
)

LangChainでの利用例

from langchain_ollama import ChatOllama

llm = ChatOllama(model= "deepseek-r1:14b" )
result = llm.invoke( "MCPプロトコルについて3文以内で説明してください" )

6. ローカルデプロイ：LM Studio

LM Studioは、モデル의 다운로드와 実行（モデルのダウンロードと実行）を直感的に行えるGUIを提供します。コマンドラインを使わないユーザーや、デスクトップアプリを好むWindowsユーザーに最適です。

  1. lmstudio.ai からLM Studioをダウンロードします
  2. アプリを開き、Discoverタブで 「deepseek」 を検索します
  3. モデルのバリアントを選択します（例： DeepSeek-R1-Distill-Qwen-14B-GGUF ）
  4. Download をクリックし、完了（数GB）するまで待ちます
  5. モデルをロードし、UI上で直接チャットを開始します
  6. または、 Local Server （ポート1234)を有効にしてAPIアクセスを開放します
# LM Studioローカルサーバー — OpenAI互換
client = OpenAI(base_url= "http://localhost:1234/v1" , api_key= "lm-studio" )
response = client.chat.completions.create(
model= "deepseek-r1-distill-qwen-14b" ,
messages=[{ "role" : "user" , "content" : "..." }]
)

7. ローカルデプロイ：Docker ＋ vLLM

GPU環境でのプロダクション水準のローカル運用には、vLLMが最高のパフォーマンスを発揮します。

# vLLMのDockerイメージを取得
docker pull vllm/vllm-openai:latest

# DeepSeek R1 (14B蒸留モデル) の実行 — 約30GBのVRAMが必要
docker run --runtime nvidia --gpus all \
-v ~/.cache/huggingface:/root/.cache/huggingface \
-p 8000:8000 \
vllm/vllm-openai:latest \
--model deepseek-ai/DeepSeek-R1-Distill-Qwen-14B \
--tensor-parallel-size 1

# APIは http://localhost:8000/v1 で利用可能
# または、永続運用のためにdocker-composeを使用
version: '3.8'
services:
deepseek:
image: vllm/vllm-openai:latest
runtime: nvidia
environment:
- HUGGING_FACE_HUB_TOKEN=your_hf_token
volumes:
- hf_cache:/root/.cache/huggingface
ports:
- "8000:8000"
command: ["--model", "deepseek-ai/DeepSeek-R1-Distill-Qwen-14B"]

8. 必要スペック（ハードウェア要件）

モデル VRAM（フルサイズ） VRAM（Q4量子化版） 推奨GPU
R1 Distill 7B 14 GB 5 GB RTX 3060 / M2 Pro
R1 Distill 14B 28 GB 10 GB RTX 3090 / M2 Max
R1 Distill 32B 64 GB 22 GB RTX 4090 / A100 40G
V3 / R1 671B ~1.3 TB 400+ GB マルチGPUサーバー (H100 ×8)

💡 実用的なアドバイス： 多くの開発者にとって、 R1 Distill 14B (Q4量子化版) が最もバランスに優れた選択肢です。RTX 3090またはM2 Maxの単一GPUで動作し、極めて優秀な推論品質を提供しながら、開発作業に十分な速度を発揮します。

9. よくある質問（FAQ）

DeepSeekは無料で利用できますか？

chat.deepseek.com でのチャット利用は制限付きで無料です。APIには毎月の無料枠が提供されており、有料プランの料金も最先端モデルの中で最低水準です（2026年4月現在、Flashモデルで入力100万トークンあたり$0.07、Proモデルで$0.27）。モデルの重みデータはMITライセンスで公開されているため、無料でダウンロードしてセルフホストすることができます。

DeepSeek V4はオープンソースですか？

はい。V4-ProおよびV4-FlashはいずれもMITライセンスの下でリリースされています。ウェイトデータはHugging FaceやModelScopeで入手可能です。制限なしでファインチューニング、商用展開、およびカスタマイズを行うことができます。

V4とR1の違いは何ですか？

V4は一般的な対話およびコーディング用のモデルです。R1は強化学習を用いて推論能力を特化させたモデルであり、数学、論理、および段階的な課題解決に優れていますが、動作は比較的低速です。ほとんどのエージェント開発では、V4が最適な選択肢です。

LangChain / CrewAI / AutoGenでDeepSeekを利用できますか？

はい。主要なフレームワークはいずれもOpenAI互換のAPI経由でDeepSeekをサポートしています。 base_url="https://api.deepseek.com" とお客様のDeepSeek APIキーを設定するだけで使用できます。ローカルに展開したOllamaに接続する場合は、接続先を http://localhost:11434/v1 に設定してください。

7月24日以降、deepseek-chat / deepseek-reasonerはどうなりますか？

これらは完全に廃止（非推奨化）されます。古いモデル名を用いたリクエストはエラーを返します。 deepseek-v4-flash （従来のdeepseek-chatに相当）または deepseek-v4-pro （deepseek-reasonerの後継）へ移行してください。

DeepSeekおよび400以上のAIエージェントツール、LLM API、フレームワークの情報は、 AgDex.ai で提供しています。

← すべての記事 DeepSeek V4 概要 →

🔧 関連ツール

Claude → Claude API → Claude Code → Claude 3.7 Sonnet →

📚 関連記事