显存容量直接决定可加载模型的最大参数量：rtx 3060（12gb）或rx 6700 xt（10gb）可稳跑7b模型，rtx 4090（24gb）能流畅运行14b量化版，核显或4gb以下独显仅支持1.5b模型且需cpu模式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在自己电脑上跑DeepSeek模型却卡在第一步——不知道手头设备够不够格，查资料时又被各种“推荐配置”“最低要求”绕晕，根本没法对号入座。
先看显卡：决定你能不能跑、能跑多大模型
打开设备管理器（Win）或终端执行 nvidia-smi（Linux/macOS），确认显卡型号和显存大小。这是最关键的门槛，【显存容量直接决定可加载模型的最大参数量】。
RTX 3060（12GB）或RX 6700 XT（10GB）可稳跑7B模型；RTX 4090（24GB）能流畅运行14B量化版；若只有核显或4GB以下独显，只能选1.5B模型，且必须用CPU模式——生成速度会慢10倍以上。
注意：AMD显卡需确认ROCm支持列表，部分RX 7000系列虽显存够但驱动不兼容，会导致模型加载失败。
再查内存与CPU：影响加载速度和多任务稳定性
右键“此电脑”→“属性”（Win）或终端输入 free -h 和 lscpu（Linux/macOS），重点看两项：
① 内存总量：7B模型最低需16GB，14B模型建议32GB起；若内存不足，系统会频繁使用硬盘虚拟内存，模型加载可能卡死在“Loading tokenizer…”阶段。
② CPU核心数：8核是7B模型的舒适线，12核以上才适合14B及以上版本；老款4核i5即使显存达标，也会在长文本推理时出现明显延迟抖动。
最后确认存储与系统：避免下载到一半报错
方法一：直接看C盘剩余空间——7B模型需预留10GB，14B需20GB，V4 Flash版压缩后仍占97GB，务必留出20%冗余空间防止SSD写满导致IO错误。
方法二：检查系统版本——Windows需Win10 21H2以上并安装VC++2015-2022运行库；macOS必须12.0+且已授权终端完全磁盘访问；Ubuntu优先选22.04 LTS，避免用老旧的18.04导致PyTorch CUDA扩展编译失败。
这一步操作起来很简单，直接把文件拖进去就行。
