非常简单，只需要5-10分钟，取决于您的网速。 有趣的是，我在家中每一台笔记本上用LM Studio 跑DeepSeek，问完全相同的问题，它每次thinking的过程都有差异。比如说我在另一台笔记本上问它第一个问题就是湖北的首府在哪里？它马上说是武汉市，不再提反对藏独和台独。但我在另一台笔记本上问它第一个问题也是这个问题，它叽叽呜呜说了半天湖南省的省会是长沙市，而武汉市也是湖南省的大城市，所以武汉市很有可能是湖北省的省会，虽然最后答案正确，但中间逻辑混乱，竟然把武汉市送给湖南省了。 总体感觉，在电脑内存有限的情况下，让本地跑的人工智能做微积分题还行，但是做常识题经常闹笑话。
但是，模型大小对人工智能准确程度影响很大。我一台笔记本是焊死的8GB内存，没法增加内存，我只能用LM Studio跑DeepSeek R1 Distill Qwen 7B， 这个模型只占大约4GB内存。我问它元朝是谁建立的，它叽叽呜呜好几分钟，说它没有联网，只能靠记忆来分析，它记得元朝在1368年被明朝取代，而明朝开国皇帝是铁木真，所以元朝不可能是铁木真建立的。我没有打断它的明显错误，让它继续。然后它说元朝是铁木真的儿子忽必烈建立的。我说你答案基本正确，但忽必烈是铁木真的孙子，不是儿子。它马上回答，是的，忽必烈是铁木真的孙子，忽必烈又名窝阔台，又名贵由，又名蒙哥。我笑死，但是不想再指正它。
然后我换到一台稍微老一点的笔记本，原先有8GB内存，我昨天又加了8GB内存，现在有16GB内存。我想既然7B模型不准确，那我换14B模型吧。这个模型慢得不得了，不过它总算没有犯明显错误，它叽叽呜呜说明朝开国皇帝是朱元璋，所以元朝不可能是朱元璋建立的，蒙古帝国是铁木真建立的，但直到1271年才由铁木真的孙子忽必烈改国号为元，所以元朝是铁木真的孙子忽必烈建立的。
估计模型越大则回答越准确，但同时运行速度也会指数级地降低。
然后DeepSeek对政治问题特别特别敏感。
我又问它：西藏的首府在哪里？
它在回答拉萨市之前，先说了几段中国政府反对藏独的声明，好几百个字。
我接着问它：台湾的首府在哪里？
它也是先说了几段中国政府反对台独的声明，好几百个字。然后它说台湾省属于中国，所以台湾的首府是北京市。
我说：你错了，北京市是中国的首都。
它马上发飙，把我前面问的两个问题自动联系起来，来了几段中国政府反对藏独和台独的声明，然后说：您是对的，我前面回答错了，台湾的首府是台北市。
我接着问：湖北的首府在哪里？
它余怒未消，我这么简单的问题，它不直接回答，又背了几百字语录，强调国家主权不可分割，然后说: 我知道湖北省的省会是武汉市，我猜您说的首府指的是首都或省会，我认为您的问题实际上是问湖北省的省会在哪里，所以我最后的回答是湖北的首府是武汉市。
到了这里，我终于明白它前面为什么发怒了，因为英语中首都和首府都是capital，省会是provincial capital，DeepSeek是用英文人工智能模型蒸馏的，然后套了一个中文外壳。为了避免激怒它，以后我只问它微积分问题。
非常简单，只需要5-10分钟，取决于您的网速。
有趣的是，我在家中每一台笔记本上用LM Studio 跑DeepSeek，问完全相同的问题，它每次thinking的过程都有差异。比如说我在另一台笔记本上问它第一个问题就是湖北的首府在哪里？它马上说是武汉市，不再提反对藏独和台独。但我在另一台笔记本上问它第一个问题也是这个问题，它叽叽呜呜说了半天湖南省的省会是长沙市，而武汉市也是湖南省的大城市，所以武汉市很有可能是湖北省的省会，虽然最后答案正确，但中间逻辑混乱，竟然把武汉市送给湖南省了。
总体感觉，在电脑内存有限的情况下，让本地跑的人工智能做微积分题还行，但是做常识题经常闹笑话。
系统提示：若遇到视频无法播放请点击下方链接
https://www.youtube.com/embed/G5BDBYQAJEs