一、教程简介

DeepSeek-R1-Distill-Llama-70B 是深度求索 (DeepSeek) 公司于 2025 年推出的开源大语言模型，参数规模高达 700 亿。它是基于 Llama3.3-70B-Instruct 进行训练的，采用强化学习和蒸馏技术提升推理表现，不仅继承了 Llama 系列模型的优势，还在此基础上进一步优化了推理能力，尤其在数学、代码与逻辑推理任务中表现突出。作为 DeepSeek 系列的高性能版本，它在多个基准测试中表现出色。此外，该模型是 DeepSeek AI 提供的一款推理增强型模型，支持多种应用场景，如移动设备与边缘计算、在线推理服务等，以提高响应速度和降低运营成本，其具备非常强大的推理和决策能力。在高级 AI 助手、科研分析等领域，能够提供极其专业和深入的分析结果。例如在医学科研中，70B 版本可以对大量的医学数据进行分析，为疾病研究提供有价值的参考。

本教程使用 Ollama + Open WebUI 部署 DeepSeek-R1-Distill-Qwen-70B 作为演示，算力资源采用「单卡 A6000」。

二、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面（若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 5 分钟后重试。）2. 进入网页后，即可与模型展开对话！

2. 进入网页后，即可与模型展开对话

常见对话设置

1. Temperature（温度）

• 控制输出的随机性，范围一般在 0.0-2.0  之间。
• 低值（如 0.1）：更确定，偏向常见词汇。
• 高值（如 1.5）：更随机，可能生成更有创意但不稳定的内容。

2. Top-k Sampling（Top-k 采样）

• 只从  概率最高的 k 个  词中采样，排除低概率词汇。
• k 值小（如 10）：更确定，减少偶然性。
• k 值大（如 50）：更多样，增加创新性。

3. Top-p Sampling（Nucleus Sampling，Top-p 采样）

• 选择累计概率达到 p 的词集，不固定 k 值。
• 低值（如 0.3）：更确定，减少偶然性。
• 高值（如 0.9）：更多样，提升流畅度。

4. Repetition Penalty（重复惩罚）

• 控制文本重复度，通常在 1.0-2.0  之间。
• 值高（如 1.5）：减少重复，提升可读性。
• 值低（如 1.0）：无惩罚，可能导致模型重复词句。

5. Max Tokens（最大生成长度）

• 限制模型最多生成的 token 数，避免超长输出。
• 典型范围：50-4096（依赖具体模型）。

交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓