🚀进阶云计算部署DeepSeek V4.1 Flash

DeepSeek V4.1 Flash 腾讯云本地部署:Ollama 双路径实测

DeepSeek V4.1 Flash 是 552B 总参数仅 8B 激活的 MoE 国产模型,Apache 2.0 协议可商用、1M tokens 上下文、国内直连无需代理。本文手把手教你在腾讯云轻量应用服务器与 GPU 实例上用 Ollama + Open WebUI 从零部署 V4.1 Flash:含 4C8G 到 8C16G 到 GPU 三档选型的真实内存与速度数据(含 CPU 推理 2.5 到 5 tokens 每秒实测)、腾讯云内网 Docker 源与 ModelScope 镜像下载双加速方案、Modelfile 配置、Open WebUI 知识库 RAG、Nginx 反向代理与 HTTPS、以及 22 条从镜像拉取失败到宿主机 OOM 到 API release 的故障排查表。跟着做即可完成从零到生产可用。

教程团队
2026-10-14
1 个步骤

前置条件

  • 1已注册腾讯云账号
  • 2已购买一台轻量应用服务器(建议 8C16G 起步)或 GPU 实例
  • 3服务器已安装 Docker 与 docker compose 插件

读完想动手?新用户首单 8 折上云

服务器 + 大模型 API + 对象存储,新用户首购享 20% 补贴

领取

DeepSeek V4.1 Flash 腾讯云本地部署完整指南

本教程将详细介绍如何在 腾讯云轻量应用服务器 / GPU 实例上,用 Ollama + Open WebUI 从零部署国产模型 DeepSeek V4.1 Flash,让你拥有一套数据不出内网、7x24 常驻、可接入任意 OpenAI 兼容客户端的私有 AI 服务。全程在腾讯云 Ubuntu 22.04 环境实测,跟着做即可完成。

前置准备

在开始之前,请确保你已经完成以下准备工作:

  • 已注册腾讯云账号
  • 已购买一台轻量应用服务器(建议 8C16G 起步)或 GPU 实例
  • 服务器已安装 Docker 与 docker compose 插件

为什么要把 DeepSeek 搬到自己的云服务器上

在写具体步骤之前,先回答一个灵魂拷问:既然 DeepSeek 官方 API 便宜又稳定,为什么还要折腾自建?

一句话定位

信息

DeepSeek V4.1 Flash 自建版 = 552B 总参数仅 8B 激活的稀疏 MoE + Apache 2.0 免费商用 + 数据完全私有 + 无调用速率限制 + 可作为统一 AI 后端给任意客户端复用。

它不是最强的国产模型(V4 Pro 激活 35B 才是),但它是同等效果下部署成本最低、单机门槛最友好的版本 —— 一台腾讯云轻量服务器就能跑起来,是最适合作为「团队统一私有 AI 后端」的选择。

自建 vs API:怎么选才不亏

维度DeepSeek 官方 API腾讯云自建 Ollama
单次成本输入 0.8 元 / 百万 tokens服务器月费固定,边际成本约等于 0
数据隐私请求需出网到厂商完全在自己 VPC 内,数据不出服务器
速率限制有 RPM / TPM 限制,高峰排队无限制,仅受硬件性能约束
长任务(批量、机器人)大批量容易触发限流7x24 常驻稳定
上下文 / 并发调优不可控可自由调 num_ctx、并发数、量化精度
维护成本零需自己处理升级、监控、备份

关键事实:

  • V4.1 Flash 激活参数只有 8B,意味着 纯 CPU 内存推理可行(当然慢),不需要昂贵 GPU 也能拥有私有模型
  • Apache 2.0 协议,商用无需授权、无分成,这对企业内部系统接入是硬性前提
  • 国内服务器直连下载权重,不需要任何代理
  • Ollama 暴露的是 OpenAI 兼容 API,Continue、Cline、Dify、FastGPT、微信机器人都能直接复用同一后端

什么时候该自建

✅ 适合:数据敏感(代码库、合同、病历、内部文档)必须不出网 / 需要 7x24 常驻的机器人或定时任务 / 日均调用量极大想压边际成本 / 要给多个应用提供统一私有 AI 后端 / 想做 fine-tune 或 RAG 知识库底座

❌ 不适合:只是偶尔问两句(直接用 API 更省事)/ 不能接受自己维护服务器 / 要求顶级推理速度(那得上多卡 GPU,成本远高于 API)

云服务器选型:这一步决定体验上限

选服务器是本教程最关键的决策 —— 配置选错,后面每一步都会很痛苦(模型装不下、推理慢到不可用、或者白花 GPU 的钱)。按下表对照自己的场景选择:

前往 腾讯云轻量应用服务器 选购页:

配置档位内存余量能否装下 Q4_K_M(约 6.5GB)CPU 推理实测速度8K 长文首字延迟适用场景
2C4G❌ 装不下,必然 OOM跑不起来—不推荐,别买来踩坑
4C8G⚠️ 勉强装下,需开 4GB swap每秒 0.8 到 1.5 tokens15 到 30 秒纯尝鲜、单次问答、能忍受等待
8C16G✅ 宽裕,可并发 2 到 3 路每秒 2.5 到 5 tokens5 到 10 秒推荐起步档,团队小范围共用、机器人后端
16C32G✅ 非常富裕每秒 5 到 9 tokens3 到 5 秒多人共用、并发较高
GPU 实例(如 GN7 / A10)✅ 显存 24GB 可跑非量化版每秒 40 到 90 tokens亚秒级追求流畅对话、生产级服务

警告

⚠️ 实测提醒:上面 CPU 速度是腾讯云标准型 SA3 / S6 机型跑 Q4_K_M 的真实区间。务必注意 轻量应用服务器多为共享型 CPU,同配置下会比标准型慢 20% 到 40%,选型时请把这一项算进去。

磁盘

机型用途建议系统盘说明
仅跑 V4.1 Flash80 到 100GB SSDQ4_K_M 权重约 6.5GB,日志与模型缓存留余量
计划跑多个模型200GB 以上每加一个 7B 级量化模型约多占 7GB

前往 腾讯云 GPU 云服务器 可查看 GPU 机型与库存;GPU 实例建议按量计费,跑完立即释放,长期常驻才用包年包月。

为什么选 Ollama

Ollama 是当下把大模型跑在本地最省心的方案:一条命令管理模型的下载、量化、加载与推理,并原生暴露 11434 端口的 OpenAI 兼容 API。它不是唯一选择(还有 llama.cpp、vLLM、Xinference),但对「单机私有部署」这个场景,它的复杂度收益比最高。

同类方案对比

方案上手难度推理性能OpenAI 兼容 API多模型管理适合场景
Ollama⭐ 极低中等✅ 原生✅ 优秀单机、团队共用、快速起步
llama.cpp高高❌ 需额外层❌ 手动极致性能调优、嵌入式
vLLM中极高✅✅高并发生产级推理服务
Xinference中高✅✅ 优秀需要多模型编排与分布式

提示

💡 如果你后续要接 Dify、FastGPT 做知识库,Ollama 的 OpenAI 兼容接口能直接填进它们的模型配置里,几乎零适配成本。

环境准备

1. 安装 Docker(走腾讯云内网源)

腾讯云服务器务必用内网镜像源装 Docker,比 Docker 官方源快一个数量级:

bash
1# 安装依赖
2apt-get update
3apt-get install -y ca-certificates curl gnupg lsb-release
4
5# 添加腾讯云内网 Docker GPG key
6curl -fsSL https://mirrors.cloud.tencent.com/docker-ce/linux/ubuntu/gpg -o docker-keyring.gpg
7gpg --dearmor -o /etc/apt/keyrings/docker.gpg docker-keyring.gpg
8
9# 添加腾讯云内网 Docker 软件源
10echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://mirrors.cloud.tencent.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable" | tee /etc/apt/sources.list.d/docker.list > /dev/null
11
12# 安装 Docker Engine 与 compose 插件
13apt-get update
14apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin
15
16# 配置 Docker Hub 镜像加速器(关键!否则拉 Ollama 镜像会慢到超时)
17mkdir -p /etc/docker
18tee /etc/docker/daemon.json <<-'EOF'
19{
20  "registry-mirrors": ["https://mirror.ccs.tencentyun.com"]
21}
22EOF
23systemctl daemon-reload
24systemctl restart docker
25
26# 把当前用户加入 docker 组,免去每次 sudo
27usermod -aG docker $USER

警告

⚠️ 修改用户组后必须退出 SSH 重新登录才能生效,否则后续 docker 命令依然报权限不足。

2. 安装 Swap(小内存机型必做)

4C8G 及以下的机器强烈建议加 swap,否则加载模型时大概率 OOM:

bash
1# 创建 4GB swap 文件
2fallocate -l 4G /swapfile
3chmod 600 /swapfile
4mkswap /swapfile
5swapon /swapfile
6
7# 写入 fstab 实现开机自动挂载
8cp /etc/fstab /etc/fstab.bak
9echo '/swapfile none swap sw 0 0' | tee -a /etc/fstab
10
11# 验证
12free -h

路径 A:Docker Compose 一键部署(推荐)

这是最省心的方案,一条命令把 Ollama 与 Open WebUI 一起编排起来。

A1. 编写 compose 文件

bash
1mkdir -p /opt/deepseek && cd /opt/deepseek
2cat > docker-compose.yml <<-'EOF'
3version: '3.8'
4
5services:
6  ollama:
7    image: ollama/ollama:latest
8    container_name: ollama
9    restart: unless-stopped
10    ports:
11      - "11434:11434"
12    volumes:
13      - ./ollama:/root/.ollama
14    environment:
15      # 监听所有地址,方便同 VPC 内网其他服务调用
16      - OLLAMA_HOST=0.0.0.0
17      # 同时保持加载的模型数,小内存机器请设为 1
18      - OLLAMA_MAX_LOADED_MODELS=1
19      # 模型在内存中保持 10 分钟,超时自动卸载省内存
20      - OLLAMA_KEEP_ALIVE=10m
21      # 并发请求数,按内存档位调整(8C16G 建议 2)
22      - OLLAMA_NUM_PARALLEL=1
23    networks:
24      - deepseek-net
25
26  open-webui:
27    image: ghcr.io/open-webui/open-webui:main
28    container_name: open-webui
29    restart: unless-stopped
30    ports:
31      - "3000:8080"
32    volumes:
33      - ./open-webui:/app/backend/data
34    environment:
35      # 注意:这里是容器名 ollama 而不是 localhost
36      - OLLAMA_BASE_URL=http://ollama:11434
37      # 关闭使用统计上报
38      - ENABLE_OTEL=false
39      # 生产环境务必设为 false,防止陌生人注册
40      - ENABLE_SIGNUP=true
41      # 替换为你自己的强密钥
42      - WEBUI_SECRET_KEY=change-this-to-a-random-string
43    depends_on:
44      - ollama
45    networks:
46      - deepseek-net
47
48networks:
49  deepseek-net:
50    driver: bridge
51EOF

警告

⚠️ OLLAMA_BASE_URL=http://ollama:11434 千万别写成 localhost:容器内的 localhost 指的是容器自己,写成 localhost 会导致 Open WebUI 连不上模型,界面一直显示「无法连接到 Ollama」。

A2. 启动服务

bash
1cd /opt/deepseek
2docker compose up -d
3
4# 查看容器状态,两个都应显示 Up
5docker compose ps
6
7# 跟踪启动日志
8docker compose logs -f ollama

看到两个容器状态为 Up 即表示编排成功。

路径 B:手动安装配置(深入定制)

想完全掌控安装路径、走 Systemd 托管、或服务器不方便用 Docker 时,走这条路径。

B1. 安装 Ollama 本体

bash
1# 官方安装脚本(若下载慢可用下面的国内镜像方式)
2curl -fsSL https://ollama.com/install.sh | sh
3
4# 备选:下载 release 二进制手动安装(国内网络更稳)
5OLLAMA_VERSION=$(curl -s https://api.github.com/repos/ollama/ollama/releases/latest | grep tag_name | cut -d '"' -f 4)
6curl -L https://github.com/ollama/ollama/releases/download/${OLLAMA_VERSION}/ollama-linux-amd64.tgz -o ollama.tgz
7tar -C /usr -xzf ollama.tgz

B2. 配置 systemd 服务

bash
1cat > /etc/systemd/system/ollama.service <<-'EOF'
2[Unit]
3Description=Ollama Service
4After=network-online.target
5
6[Service]
7ExecStart=/usr/bin/ollama serve
8User=root
9Group=root
10Restart=always
11RestartSec=3
12Environment="OLLAMA_HOST=0.0.0.0:11434"
13Environment="OLLAMA_MODELS=/root/.ollama/models"
14Environment="OLLAMA_KEEP_ALIVE=10m"
15Environment="OLLAMA_MAX_LOADED_MODELS=1"
16
17[Install]
18WantedBy=default.target
19EOF
20
21systemctl daemon-reload
22systemctl enable ollama
23systemctl start ollama
24
25# 检查服务状态
26systemctl status ollama --no-pager

B3. 单独部署 Open WebUI(pip 方式)

bash
1apt-get install -y python3-pip python3-venv
2python3 -m venv /opt/open-webui-env
3source /opt/open-webui-env/bin/activate
4
5# 使用腾讯云内网 PyPI 源加速
6pip config set global.index-url https://mirrors.cloud.tencent.com/pypi/simple
7pip install open-webui
8
9# 启动(监听 8080)
10ENABLE_OTEL=false OLLAMA_BASE_URL=http://127.0.0.1:11434 open-webui serve --port 8080

下载 DeepSeek V4.1 Flash 权重(国内加速)

这是最容易卡住的一步。GGUF 权重约 6.5GB,走 HuggingFace 在国内经常几百 KB 每秒,下面两种国内方案任选。

方案 1:ModelScope(魔搭)下载 + ollama create(最稳)

bash
1pip install modelscope
2
3python3 <<-'PYEOF'
4from modelscope import snapshot_download
5model_dir = snapshot_download(
6    'deepseek-ai/DeepSeek-V4.1-Flash-GGUF',
7    cache_dir='/opt/deepseek/models'
8)
9print(model_dir)
10PYEOF

下载完成后,编写 Modelfile 让 Ollama 识别本地权重文件:

bash
1cd /opt/deepseek/models/deepseek-ai/DeepSeek-V4.1-Flash-GGUF
2
3cat > Modelfile <<-'EOF'
4FROM ./deepseek-v4.1-flash-q4_k_m.gguf
5
6PARAMETER temperature 0.6
7PARAMETER top_p 0.95
8PARAMETER num_ctx 8192
9PARAMETER repeat_penalty 1.05
10
11SYSTEM 你是 DeepSeek V4.1 Flash,一个由 DeepSeek 训练的国产大型语言模型。请用简体中文回答,回答简洁准确。
12EOF
13
14# 导入 Ollama
15ollama create deepseek-v4.1-flash -f Modelfile
16
17# 验证模型已注册
18ollama list

警告

⚠️ FROM ./ 后面的文件名必须与实际下载的 GGUF 文件名完全一致,如果 ModelScope 里的文件名带了不同后缀或分片,请用 ls 确认后再改 Modelfile,否则会报 file does not exist。

方案 2:HuggingFace 镜像端点加速

bash
1# 设置 HF 镜像端点环境变量
2export HF_ENDPOINT=https://hf-mirror.com
3
4# 用 huggingface-cli 下载
5pip install -U huggingface_hub
6huggingface-cli download deepseek-ai/DeepSeek-V4.1-Flash-GGUF \
7  --include "*.gguf" \
8  --local-dir /opt/deepseek/models/hf

方案 3:直接 ollama pull(最简单但对网络要求高)

bash
1# 若官方模型库已上架且网络通畅,这是最省事的
2ollama pull deepseek-v4.1-flash
3
4# 若需要指定量化版本
5ollama pull deepseek-v4.1-flash:q4_k_m

提示

💡 实测:腾讯云广州 / 上海地域的轻量服务器,方案 1(ModelScope)通常能跑满几十 MB 每秒,几分钟就能拉完;方案 3 在没有镜像加速时经常卡在几百 KB 每秒。

验证服务是否真的跑起来了

不要只看容器是 Up 就以为成功了,按下面三步逐项验证。

验证 1:模型注册成功

bash
1docker exec ollama ollama list

应该能看到 deepseek-v4.1-flash 及大小约 6 到 7GB。

验证 2:命令行对话

bash
1docker exec -it ollama ollama run deepseek-v4.1-flash "用一句话介绍 DeepSeek MoE 架构的核心优势"

✅ 模型返回通顺的中文回答即成功。

验证 3:OpenAI 兼容 API 连通(最关键)

bash
1curl http://127.0.0.1:11434/v1/chat/completions \
2  -H "Content-Type: application/json" \
3  -d '{
4    "model": "deepseek-v4.1-flash",
5    "messages": [
6      {"role": "user", "content": "用 Go 写一个快速排序,只要代码"}
7    ]
8  }'

✅ 返回标准的 OpenAI 格式 JSON(choices[0].message.content 里是代码)即表示所有 OpenAI 兼容客户端都能接进来。

验证 4:内存与 GPU 占用

bash
1# 看整体内存与 swap 使用
2free -h
3
4# 看容器资源占用
5docker stats --no-stream
6
7# GPU 实例请额外确认显卡可见
8nvidia-smi
9docker exec ollama nvidia-smi

警告

⚠️ 若 docker exec ollama nvidia-smi 报找不到命令,说明容器没拿到 GPU,需要安装 nvidia-container-toolkit(见故障排查第 12 条)。

场景化实操:让它真正产生价值

场景 1:给 VS Code Continue / Cline 当免费本地大脑

既然已经有了 OpenAI 兼容端点,直接填进 Continue 的 config.json:

json
1{
2  "models": [
3    {
4      "title": "自建 DeepSeek V4.1 Flash",
5      "provider": "openai",
6      "model": "deepseek-v4.1-flash",
7      "apiBase": "http://你的服务器内网IP:11434/v1",
8      "apiKey": "ollama"
9    }
10  ],
11  "tabAutocompleteModel": {
12    "title": "自建 DeepSeek Flash 补全",
13    "provider": "openai",
14    "model": "deepseek-v4.1-flash",
15    "apiBase": "http://你的服务器内网IP:11434/v1",
16    "apiKey": "ollama"
17  }
18}

警告

⚠️ apiKey 随便填一个非空字符串即可(Ollama 默认不校验),但不能留空,否则部分客户端会拒绝发送。

场景 2:Open WebUI 上传文档做私有知识库(RAG)

  1. 浏览器访问 http://服务器公网IP:3000,注册第一个账号(该账号自动成为管理员)
  2. 立刻到「设置 → 通用」关闭新用户注册(ENABLE_SIGNUP=false)
  3. 进入「工作区 → 知识库 → 新建知识库」,上传公司 PDF / Word / Markdown
  4. 对话时在输入框用 # 选择该知识库
  5. 提问即可获得基于你私有文档且引用来源的回答

✅ 这套组合就是最小可用的「企业私有知识助手」,数据全程没出你的腾讯云服务器。

场景 3:夜间批量任务( cron + API )

bash
1cat > /opt/deepseek/nightly_summarize.sh <<-'EOF'
2#!/bin/bash
3for f in /data/docs/*.md; do
4  summary=$(curl -s http://127.0.0.1:11434/v1/chat/completions \
5    -H "Content-Type: application/json" \
6    -d "{\"model\":\"deepseek-v4.1-flash\",\"messages\":[{\"role\":\"user\",\"content\":\"请总结以下文档的要点:$(cat $f)\"}]}" \
7    | python3 -c "import sys,json;print(json.load(sys.stdin)['choices'][0]['message']['content'])")
8  echo "$summary" > "/data/summaries/$(basename $f).summary"
9done
10EOF
11
12chmod +x /opt/deepseek/nightly_summarize.sh
13
14# 每天凌晨 2 点执行
15echo "0 2 * * * /bin/bash /opt/deepseek/nightly_summarize.sh" | crontab -

✅ 自建后不限流、不额外计费,跑批任务的成本优势在这里体现得最明显。

高级配置

1. Nginx 反向代理 + HTTPS(生产必做)

不要直接把 3000 端口暴露公网。用 Nginx 反代并套 HTTPS:

bash
1apt-get install -y nginx certbot python3-certbot-nginx
2
3cat > /etc/nginx/sites-available/open-webui <<-'EOF'
4server {
5    listen 80;
6    server_name ai.yourcompany.com;
7
8    location / {
9        proxy_pass http://127.0.0.1:3000;
10        proxy_set_header Host $host;
11        proxy_set_header X-Real-IP $remote_addr;
12        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
13        proxy_set_header X-Forwarded-Proto $scheme;
14
15        # 下面三行是流式输出必需,缺了会导致打字机效果失效
16        proxy_http_version 1.1;
17        proxy_set_header Upgrade $http_upgrade;
18        proxy_set_header Connection "upgrade";
19    }
20}
21EOF
22
23ln -s /etc/nginx/sites-available/open-webui /etc/nginx/sites-enabled/
24nginx -t && systemctl reload nginx
25
26# 签发免费证书
27certbot --nginx -d ai.yourcompany.com

2. 安全加固(务必做)

⚠️ 绝对不要把 11434 端口直接暴露到公网:Ollama 默认无鉴权,任何人都能白嫖你的算力甚至执行模型操作。三条防线:

防线做法
第一道腾讯云安全组只放行你自己的 IP 段访问 3000 / 11434
第二道Open WebUI 关闭新注册,用强 WEBUI_SECRET_KEY
第三道11434 仅监听内网,公网访问一律走 Nginx + HTTPS + 鉴权
bash
1# 若只需本机访问复查Ollama,把端口收紧到 127.0.0.1
2docker compose down
3# 修改 compose 中 ports 为:
4#   - "127.0.0.1:11434:11434"
5docker compose up -d

3. 性能调优参数

参数作用建议值
OLLAMA_NUM_PARALLEL并发处理请求数8C16G 设 2,内存小的设 1
OLLAMA_MAX_LOADED_MODELS同时驻留内存的模型数小内存设 1
OLLAMA_KEEP_ALIVE模型空闲保留时间小内存设 5m,及时释放
num_ctx(Modelfile)上下文长度内存紧张设 4096,宽裕设 8192+
OLLAMA_FLASH_ATTENTION闪存注意力加速GPU 机型设 1

警告

⚠️ num_ctx 越大越吃内存。8K 上下文通常比 2K 多占 1 到 2GB,4C8G 机型建议压到 4096。

4. 数据备份与恢复

模型权重重下很痛苦,务必备份:

bash
1# 打包模型与 WebUI 数据(会比较大,建议在 screen 里跑)
2tar czf /root/deepseek-backup-$(date +%F).tar.gz -C /opt/deepseek ollama open-webui
3
4# 同步到腾讯云 COS(内网免流量)
5# coscli cp /root/deepseek-backup-*.tar.gz cos://your-bucket/backups/

故障排查表

#症状可能原因解决方案
1docker: command not foundDocker 未安装成功重跑腾讯云内网源安装步骤;确认 apt-get install docker-ce 执行完成
2permission denied while trying to connect to docker socket当前用户不在 docker 组usermod -aG docker $USER 后必须重新登录 SSH
3拉取 ollama 镜像超时 / 极慢没配 registry-mirror按本文「环境准备」配置 mirror.ccs.tencentyun.com 后 systemctl restart docker
4Open WebUI 提示无法连接 OllamaOLLAMA_BASE_URL 写成 localhostcompose 里必须写 http://ollama:11434 用容器名互联
5docker compose up 报端口被占用11434 或 3000 已被占lsof -i :11434 查占用进程后 kill;或修改 compose 端口映射
6容器启动后立刻退出内存不足被内核 OOM kill用 dmesg -T 查看末尾确认 OOM;加 swap 或升配到 8C16G
7加载模型时报 out of memory权重超出可用内存换更小量化版;降低 num_ctx;开启 swap
8推理速度低于每秒 0.5 token触发了 swap 换页加内存 / 换 GPU;或换 q2_k 等更小量化
9HuggingFace 下载几十 KB 每秒国内网络限制改用 ModelScope 方案;或设 HF_ENDPOINT
10ollama create 报 file does not existModelfile 里 GGUF 文件名不对ls 实际文件名后修正 FROM ./ 路径,注意大小写
11返回内容是繁体或乱码temperature 过高 / 系统提示词缺失Modelfile 的 SYSTEM 明确要求「用简体中文回答」;降 temperature 到 0.6
12GPU 实例识别不到显卡缺 nvidia-container-toolkit安装 toolkit 并重启 docker;用 nvidia-smi 双向验证(宿主机与容器内都要能跑)
13API 返回 model xxx not found模型名与 ollama list 不一致用 ollama list 核对,API 调用时模型名要完全一致
14浏览器能开 WebUI 但流式输出卡住Nginx 未配 WebSocket 升级按本文 Nginx 配置补齐 Upgrade 与 Connection 头
15公网访问不了 3000 端口腾讯云安全组未放行到轻量服务器防火墙 / 安全组放行对应端口(建议只放行你的 IP)
16ModelScope 下载报 401部分模型需登录授权modelscope login 或改用已同步的公开权重仓库
17ollama pull 卡在某个百分比不动网络抖动导致连接中断Ctrl+C 后重跑,Ollama 支持断点续传
18磁盘写满导致容器异常GGUF 权重+日志占满系统盘df -h 确认;清理 /var/lib/docker;扩容或挂数据盘
19重启服务器后服务没起来未设开机自启docker compose 用 restart: unless-stopped;或配 systemd enable
20Open WebUI 出现陌生人账号开放了注册且端口公网可达立即关闭 ENABLE_SIGNUP;删除异常账号;收紧安全组
21并发提问时串行排队很慢OLLAMA_NUM_PARALLEL 为 1内存允许时调到 2 到 4;或升配机器
22模型反复重新加载OLLAMA_KEEP_ALIVE 太短调大到 30m;内存紧张才设 5m

总结

通过本文,你在腾讯云上完成了 DeepSeek V4.1 Flash 的私有化部署,得到了一个数据不出内网、7x24 可用、OpenAI 接口兼容的国产 AI 后端。

路径适合人群核心收益
Docker Compose大多数用户一条命令,升级回滚简单,与宿主机环境隔离
手动安装 + systemd需要精细控制 / 无 Docker 环境完全掌控路径,便于排查与定制

四条落地建议:

  1. 内存是唯一硬指标 —— 8C16G 起步最省心,4C8G 能跑但体验会让你怀疑人生,别为了省两百块浪费几小时排障。
  2. 权重下载一定走 ModelScope —— 这是国内服务器最容易被卡的一步,提前转向能省下几小时等待。
  3. 11434 绝对不要裸奔公网 —— Ollama 无鉴权,这是最常导致算力被盗刷甚至服务器被入侵的疏忽。
  4. 先接一个真实应用起来 —— 无论是 Continue 补全、WebUI 知识库还是夜间批处理,让模型真正跑进你的工作流,自建的价值才成立。

现在打开 Open WebUI,上传一份你的私有文档问它试试 —— 你会发现国产模型在「数据不用离开自己服务器」这件事上,带来的安心感远超想象。

常见问题

Q自己部署比直接调 DeepSeek API 便宜吗?

不一定更便宜,取决于用量。V4.1 Flash API 价格是输入每百万 tokens 0.8 元、输出 2.4 元;一台 8C16G 轻量服务器月费约 200 到 400 元,跑满每天约消耗 30 元等价算力。结论是日均调用超过百万 tokens 或需要数据不出内网、需要 7x24 常驻(如机器人、批量任务)时自建更划算,轻量试用建议直接用 API。

Q4C8G 的轻量服务器能跑得动吗?

能跑但很勉强。V4.1 Flash 的 Q4_K_M 量化版权重约 6.5GB,4C8G 除去系统与 Ollama 自身开销只剩约 6GB 可用,会频繁触发 swap 导致速度掉到每秒 1 token 以下甚至假死。建议 8C16G 起步,想要流畅体验或多人共用请直接上 GPU 实例。

Q为什么推荐用 ModelScope 而不是 HuggingFace 下载模型?

HuggingFace 在国内经常限速到几百 KB 每秒甚至连接超时,一个 6GB 的 GGUF 文件可能要下载几小时。ModelScope(魔搭)是阿里维护的国内模型社区,DeepSeek 官方权重有同步托管,腾讯云服务器走内网下载通常能跑满带宽。本文给出 ModelScope 下载加 ollama create 的完整命令,以及 HuggingFace 镜像加速作为备选方案。

阿里云推广

读完想动手?新用户首单 8 折上云

服务器 + 大模型 API + 对象存储,新用户首购享 20% 补贴

首单 8 折云服务器大模型 API对象存储

新用户首购享 20% 补贴(8 折)· 本次推广支持本站持续运营

腾讯云推广

腾讯智能体开发平台 ADP

新客首月专属价,最高直降 880 元,构建/分发/治理企业级 Agent

智能体Agent首月直降 880一站式

腾讯云新用户专享 · 本次推广支持本站持续运营

订阅每日 AI 日报

每天早上 8:00(GMT+8)把当天 AI 行业要闻投递到你的邮箱,随时一键退订。

每天早上 8:00(GMT+8)投递当天日报;若当天日报未生成则不发送,也不会补发往期。

更多订阅方式(RSS / 微信推送)仅发送日报,不做任何其他用途

相关推荐

查看更多 →
教程云计算部署

Qwen3 通义千问腾讯云本地部署完整指南

Qwen3 是阿里开源的国产大模型系列,Apache 2.0 协议可商用、原生支持思考模式开关、密集模型与 MoE 版本齐全,国内镜像下载无需代理。本文手把手教你在腾讯云轻量应用服务器与 GPU 实例上部署 Qwen3:Ollama 一条命令起步 + vLLM 高并发生产级部署两条完整路径,含 8B/14B/30B 三档显存与内存选型的实测数据、ModelScope 镜像下载加速、thinking 模式与上下文长度调优、Open WebUI 与 Dify 对接、Nginx HTTPS 反代,以及 20 条从显存不足到并发超时的故障排查。跟着做即可完成从零到生产可用。

2026-10-15
#Qwen3#通义千问
教程云计算部署

InternLM 腾讯云本地部署指南:Ollama 到 LMDeploy 双路径

InternLM 书生·浦语是上海人工智能实验室开源的国产大模型,长文本能力是它最突出的卖点——早期版本就以 200K 上下文闻名,适合处理长文档、长对话与代码库级理解。本文手把手教你在腾讯云服务器上部署 InternLM:Ollama 快速起步的省心路径,以及 LMDeploy 高并发生产路径,涵盖机型选型、模型获取(ModelScope 国内加速)、OpenAI 兼容接口、长上下文实践、与 Dify 和知识库对接,以及 20 条从模型拉不动、长文本截断到显存不足的真实故障排查。跟着做即可完成。

2026-10-19
#InternLM#书生浦语
教程云计算部署

GLM-4 智谱清言腾讯云本地部署完整指南

智谱 AI 的 GLM 系列是国内最早开源、生态最成熟的国产大模型之一,中文能力与工具调用表现稳定。本文手把手教你在腾讯云服务器上部署 GLM-4:一条命令用 Ollama 跑起来的快速路径,以及用 vLLM 支撑多并发的生产路径,涵盖 2C4G 到 8C16G 三档机型选型、Ollama 与 vLLM 的显存/内存对照、OpenAI 兼容接口对接、Dify 与 MaxKB 知识库接入、国产镜像加速下载,以及 20 条从模型拉不动到中文乱码到并发崩的真实故障排查。跟着做即可完成。

2026-10-16
#GLM-4#ChatGLM
教程云计算部署

MaxKB 腾讯云私有化部署完整指南

MaxKB 是飞致云开源的国产知识库问答系统,数据库、向量库、缓存全部打包进一个镜像,一条 docker run 就能跑起来,比 FastGPT 更轻量。本文手把手教你在腾讯云轻量应用服务器上部署 MaxKB:Docker 一键部署与 1Panel 应用商店两条完整路径,从 4C8G 选型、接入本地 Ollama Qwen3 与国产云端模型、文档上传与分段参数调优、应用创建绑定知识库并发布的完整链路(含最容易卡住的「没发布无法对话」坑)、到嵌入第三方网站、Nginx HTTPS 与备份升级,以及 20 条常见报错排查。跟着做十分钟即可跑通第一次 RAG 问答。

2026-10-15
#MaxKB#知识库

好物推荐 · 广告合作