راهنمای جامع DeepSeek-R1 و استقرار لوکال در ایران (MoE + Ollama)
معماری MoE دیپ‌سیک R1، اجرای آفلاین با Ollama، استقرار روی سرور ابری ایرانی و نکات حریم خصوصی و هزینه.
نکات کلیدی و خلاصه اجرایی برای مدیران و متخصصان
- DeepSeek-R1 با معماری MoE استدلال قوی با هزینه استنتاج کمتر ارائه می‌دهد.
- اجرای لوکال با Ollama حریم خصوصی، پایداری و عدم وابستگی ارزی را تضمین می‌کند.
- برای فارسی، پیش‌پردازش نرمال‌سازی و تکه‌سازی مناسب کیفیت را بالا می‌برد.
- استقرار روی ابر ایرانی با کانتینر و ریورس‌پراکسی امن میشود.
فهرست مطالب این مقاله
معماری MoE در یک نگاه
در MoE، روتر برای هر توکن چند متخصص را انتخاب می‌کند. این تفکیک، ظرفیت استدلال را بدون افزایش خطی هزینه نگه می‌دارد.
اجرای لوکال با Ollama (۳ دستور)
ollama pull deepseek-r1
ollama run deepseek-r1 "سلام، یک تابع مرتب‌سازی سریع به پایتون بنویس"برای رابط گرافیکی، LM Studio یا Open WebUI را روی همان هاست بالا بیاورید.
استقرار روی سرور ایرانی
- کانتینر Ollama + مدل را با Docker Compose اجرا کنید.
- ریورس‌پراکسی (Caddy/Nginx) با TLS و احراز هویت.
- پایش VRAM/RAM و کش پرامپت برای کاهش تأخیر.
بهینه‌سازی فارسی
نرمال‌سازی نیم‌فاصله، یکسان‌سازی اعداد و حذف اعراب قبل از امبدینگ/پرامپت، دقت بازیابی و تولید را بهبود می‌دهد.
پرسش‌های متداول (FAQ)
MoE چیست؟
Mixture-of-Experts: به جای فعالسازی همه پارامترها، در هر توکن فقط زیرمجموعهای از متخصصها فعال میشوند؛ در نتیجه استدلال قوی با هزینه کمتر.
آیا DeepSeek-R1 روی لپتاپ معمولی اجرا میشود؟
نسخههای تقطیرشده کوچک بله (با RAM/VRAM محدود). برای نسخههای بزرگ، از کوانتیزاسیون ۴-بیت و Ollama استفاده کنید.
علاقه‌مند به یادگیری عمیق‌تر این مباحث هستید؟
در دوره جامع هوش مصنوعی AI-1، تمام الگوهای پرامپت، ایجنت‌های سازمانی و کدهای واقعی را به صورت کاملاً پروژه‌محور یاد بگیرید.
مشاهده سرفصل‌های دوره تخصصیدرباره مدرس و نویسنده: دکتر ابوطالب مرادی
پژوهشگر سیستم‌های هوش مصنوعی، مدرس دانشگاه و طراح دوره‌های پیشرفته مهندسی پرامپت و سیستم‌های ایجنتیک در ایران. جهت مشاوره و همکاری با شماره تلگرام زیر در ارتباط باشید.