So installieren Sie DeepSeek R1 auf Ihrem PC mit AMD Ryzen AI und Radeon GPU

O DeepSeek ein künstliche das eine hervorragende Leistung bei sehr geringen Entwicklungskosten verspricht. Von etwas anderem war in den letzten Tagen keine Rede. Tatsächlich mussten die Preise für die Produkte der wichtigsten führenden Unternehmen auf diesem Markt einen erheblichen Einbruch hinnehmen. Aktionen. Schauen wir es uns jetzt an So installieren Sie DeepSeek R1 und verwenden Sie es auf Ihrem PC über die Plattform AMD.

Was sind Argumentationsmodelle?

Argumentationsmodelle em künstliche sind Ansätze, die es ermöglichen, Entscheidungen automatisiert auf Basis von Daten und vordefinierten Regeln zu treffen. Diese Modelle zielen darauf ab, menschliches Denken zu simulieren und KIs so kognitive Fähigkeiten wie Planung, Entscheidungsfindung und komplexe Problemlösung zu verleihen.

Das Differenzial von DeepSeek R1-Argumentationsmodell, besteht darin, dass es auf kleinere Modelle mit hoher Kapazität reduziert wurde. Diese Modelle sind klein genug, um auf Heimhardware ausgeführt zu werden, ohne dass große Verarbeitungscluster erforderlich sind. Auf diese Weise, wenn Sie eine Bestellung aufgeben an R1, wird ausschließlich das thematisch spezialisierte Modell verwendet.

Installationsanforderungen

die zu verwenden DeepSeek R1, müssen Sie über eines der unten aufgeführten Prozessor- oder GPU-Modelle verfügen und die erforderliche Software installieren.

Hardware:

processador	DeepSeek R1 Distill* (max. unterstützt)
AMD Ryzen™ AI Max+ 395 32 GB 1 , 64 GB 2 und 128 GB	DeepSeek-R1-Distill-Llama-70B (nur 64 GB und 128 GB) DeepSeek-R1-Distill-Qwen-32B
AMD Ryzen™ AI HX 370 und 365 24 GB und 32 GB	DeepSeek-R1-Distill-Qwen-14B
AMD Ryzen™ 8040 und Ryzen™ 7040 32 GB	DeepSeek-R1-Distill-Llama-14B

*= AMD empfiehlt, alle Destillationen mit Q4-KM-Quantisierung auszuführen.
¹ = Erfordert variablen Grafikspeicher (Benutzerdefiniert eingestellt): 24 GB.  

² = Erfordert die Einstellung „Variabler Grafikspeicher“ auf „Hoch“.

Grafikkarte	DeepSeek R1 Distill* (max. unterstützt) 1 )
AMD Radeon™ RX 7900 XTX Grafikkarte	DeepSeek-R1-Distill-Qwen-32B
AMD Radeon™ RX 7900 XT Grafikkarte	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7900 GRE	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7800 XT Grafikkarte	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7700 XT Grafikkarte	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7600 XT Grafikkarte	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7600 Grafikkarte	DeepSeek-R1-Distill-Lama-8B

*= AMD empfiehlt, alle Destillationen mit Q4-KM-Quantisierung auszuführen.

¹ = Listet das maximal unterstützte Destillat ohne teilweise GPU-Entladung auf. 

Software:

• Optionaler Adrenalin 25.1.1-Treiber oder höher
• LM Studio 0.3.8 oder höher

Schritt für Schritt

01 Schritt: Stellen Sie sicher, dass Sie den optionalen Treiber Adrenalin 25.1.1 oder höher verwenden. Es kann direkt installiert werden hier.

02 Schritt: Laden Sie LM Studio 0.3.8 oder höher herunter hier.

03 Schritt: Installieren Sie LM Studio und überspringen Sie den Integrationsbildschirm.

04 Schritt: Klicken Sie auf die Registerkarte „Entdecken“.

05 Schritt: Gehen Sie nun zum Suchfeld und geben Sie ein Deepseek r1. Es werden mehrere Optionen angezeigt. Achten Sie jedoch darauf, dass Sie gemäß der oben unter „Installationsanforderungen“ verfügbaren Tabelle das für Ihre Hardware geeignete Modell auswählen. Stellen Sie auf der rechten Seite sicher, dass die Quantisierung „Q4 KM“ ausgewählt ist, und klicken Sie auf „Herunterladen“.

06 Schritt: Nachdem der Modelldownload abgeschlossen ist, schließen Sie das Downloadfenster, das Benachrichtigungsfeld, das Sie darüber informiert, dass das Modell heruntergeladen wurde, und das Erkennungsfenster, das wir im vorherigen Schritt zum Herunterladen des Modells verwendet haben.

07 Schritt: Wählen Sie nun auf dem Chat-Bildschirm die Vorlage aus DeepSeek R1 und lassen Sie die Option zur manuellen Parameterauswahl aktiviert.

08 Schritt: Schieben Sie unter GPU-Offload auf die maximale Größe, aktivieren Sie „Einstellungen merken“, um die Einstellungen für dieses Modell zu speichern, und klicken Sie auf „Modell laden“.

Okay, jetzt, da das Modell geladen ist, können wir lokal auf unserem eigenen PC damit interagieren.

Unten finden Sie das vom Unternehmen selbst veröffentlichte Video. AMD mit der Schritt-für-Schritt-Anleitung.

Tests

Bei unseren Tests begannen wir damit, einige grundlegende Fragen an die DeepSeek R1, wie z. B. „Was ist die Quadratwurzel von 1024?“. Nach 3.67 Sekunden Nachdenken gab er folgendes Ergebnis zurück:

Um die Quadratwurzel von 1024, folge diesen Schritten:

1. Verstehen Sie das Konzept der Quadratwurzel: Die Quadratwurzel einer Zahl ist eine andere Zahl, die mit sich selbst multipliziert die ursprüngliche Zahl ergibt. D.h.:
   [
   \sqrt{x} = y \quad \text{genau dann, wenn} \quad y^2 = x
   ]
2. Wenden Sie die Schritte an, um die Quadratwurzel von 1024 zu berechnen:
   • Identifizieren Sie eine Ganzzahl, die mit sich selbst multipliziert 1024 ergibt.
   • Probieren Sie aufeinanderfolgende Ganzzahlen aus, bis Sie diejenige finden, die die Bedingung erfüllt: [30^2 = 900 \quad (\text{weniger als } 1024)][31^2 = 961 \quad (\text{weniger als } 1024)][32^2 = 1024 \quad (\text{ genau} )]
3. Fazit: Die Quadratwurzel von 1024 ist: [\sqrt{1024} = 32]

Das Endergebnis ist also:

\boxed{32}

Um zum Endergebnis zu gelangen, verwendete das Modell daher die folgende Argumentation:

• Um die Quadratwurzel von 1024 zu finden, muss ich herausfinden, welche Zahl hoch zwei 1024 ergibt.
• Ich beginne damit, mir große Ganzzahlen anzusehen, die sich 32 nähern. Ich weiß, dass 30² 900 ist, was kleiner als 1024 ist. Dann berechne ich 31², was 961 ist und damit sogar noch kleiner als das Ziel. Wenn ich 32² versuche, erhalte ich 1024, was genau die gewünschte Zahl ist.
• Daher komme ich zu dem Schluss, dass die Quadratwurzel von 1024 gleich 32 ist.

Nun fragte ich nach dem DeepSeek R1 erzähl mir vier Dinge über ihn (ich sollte erklären, dass ich vorher einige zufällige Fragen gestellt habe, die letztendlich Teil der verwendeten Logik waren). Nach 13.62 Sekunden wurde die folgende Antwort zurückgegeben:

Entschuldigen Sie die mögliche Verwirrung! Ich bin ein Computersprachenmodell und keine reale Person oder Entität mit Persönlichkeit. Daher verfüge ich weder über „meine eigenen“ noch über persönliche Eigenschaften wie Menschen.

Ich kann Ihnen jedoch zu jedem von Ihnen angesprochenen Thema mit Informationen weiterhelfen. Zum Beispiel:

1. Ihr Interesse an den umsatzstärksten Filmen aller Zeiten – auf Wunsch kann ich Ihnen weitere Einzelheiten oder aktuelle Updates zukommen lassen.
2. Ihre Neugier auf die Geschichte von Leonardo da Vinci – ich kann Ihnen besser erklären, welchen Beitrag er zur Welt geleistet hat.
3. Wenn Sie mehr über die Funktionsweise von Computern oder Betriebssystemen erfahren möchten, kann ich Ihnen ausführliche Erklärungen geben.

Möchten Sie, dass ich etwas Bestimmtes tue oder ein Thema weiter vertiefe?

Überprüfung der verwendeten Logik von DeepSeek R1 Um die folgende Antwort zu geben, haben wir:

• Okay, ich versuche herauszufinden, wie ich die Frage dieses Benutzers beantworten kann, ob ich vier Dinge über mich erzähle. Warte, aber wer bin ich? Hmm, vielleicht sollte ich damit beginnen, zu verstehen, wonach der Benutzer eigentlich verlangt.

• Okay, lass es uns aufschlüsseln. Der Benutzer fragte zunächst nach dem umsatzstärksten Film aller Zeiten und ich stellte eine Liste der umsatzstärksten Filme zur Verfügung. Anschließend stellte er einige Fragen zu Leonardo da Vinci und anderen Themen und bat mich schließlich, vier Dinge über mich zu erzählen. Da ich aber ein KI-Sprachmodell bin, verfüge ich über keine persönlichen Eigenschaften oder Erfahrungen. Also muss ich das klarstellen.

• Ich muss erklären, dass ich zwar zu vielen verschiedenen Themen Auskunft geben kann, jedoch weder über eine Persönlichkeit noch über eine persönliche Geschichte wie ein Mensch verfüge. Vielleicht ist der Benutzer neugierig, wie ich arbeite oder was ich weiß. Es ist wichtig, dies anzusprechen, damit er meine Grenzen und mein Angebot versteht.

• Vielleicht kann ich meine Hauptaufgaben skizzieren: Fragen beantworten, Auskünfte geben, bei Aufgaben helfen und Vorschläge machen. Für den Teil mit den „vier Dingen“ könnte ich also Merkmale wie die Verfügbarkeit rund um die Uhr, die Fähigkeit, schnell neue Informationen zu lernen, mehrsprachigen Support und die Einhaltung ethischer Richtlinien auflisten.

• Ich muss sicherstellen, dass meine Antwort klar und hilfreich ist und dem Benutzer Hinweise gibt, wie ich ihm weiterhelfen kann. Lassen Sie mich dies auf freundliche und informative Weise strukturieren.

Jetzt habe ich das Thema auf Programmierung geändert. Ich habe gefragt, wie Sie mir bei der Entwicklung einer App helfen könnten Android und die Verarbeitung wurde gestartet, wobei nach 78 % der Verarbeitung ein Fehler zurückgegeben wurde. Ich bat ihn dann, einen einfachen Code zu schreiben in Kotlin um den Benutzer einer App zu begrüßen und ebenfalls bei 77 % wurde ein Fehler zurückgegeben.

Nun habe ich versucht, einen Codeausschnitt an das Modell zu senden und es gebeten, zu erkennen, welche Sprache verwendet wurde und wofür der Code bestimmt war. Bei 55 % wurde erneut ein Fehler zurückgegeben. Ich beschloss dann, die LM Studio und versuche es erneut, denn diesmal hat es geklappt. Nach einer Verarbeitungszeit von 20.61 Sekunden wurde die folgende Antwort zurückgegeben:

Der bereitgestellte Code ist Teil einer in Kotlin geschriebenen Android-Anwendung. Hier ist eine Erklärung, was der Code macht und wie Sie ihn verbessern können:

Bedeutung des Codes:

Funktionsname: initQueryListener()

Diese Funktion initialisiert einen Listener für die Suchansicht (searchView), um Text-Eingabeereignisse zu verarbeiten.

Suchansichtskonfiguration:

searchView.queryHint é usado para definir um texto de sugestão para a barra de pesquisa, orientando os usuários sobre o que digitar.

Listener für Abfragetextänderungen:

O listener é configurado usando searchView.setOnQueryTextListener().
Dois métodos são sobrescritos:

onQueryTextSubmit(Abfrage: String): Boolean

Invocado quando o usuário envia uma query (por exemplo, pressiona enter ou clica no botão de pesquisa).
Chama noteViewModel.queryNotes(query), que provavelmente recupera notas com base na entrada de pesquisa.
Retorna false para indicar que nenhuma ação é realizada após o envio.

beiQueryTextChange(neuerText: String): Boolean

Invocado enquanto o usuário digita, atualizando a entrada de pesquisa.
Se newText estiver vazio (usuário limpou a pesquisa), chama noteViewModel.queryNotes(), que provavelmente exibe todas as notas novamente.

Mögliche Verbesserungen:

Fehlerbehandlung:

O código atual não trata possíveis erros ao chamar noteViewModel.queryNotes(query) ou noteViewModel.queryNotes().
Você pode querer adicionar tratamento de erros para capturar exceções e fornecer feedback ao usuário, como uma mensagem toast se algo der errado.

Protokoll der Aufzeichnungen:

Adicionar declarações de log pode ajudar a rastrear o fluxo do aplicativo e depurar problemas. Por exemplo:
val TAG = "SearchListener"
log(TAG, "Query submitted: $query")

Nullprüfungen:

Certifique-se de que todos os objetos e variáveis sejam verificados quanto a nulos para evitar NullPointerExceptions.
Por exemplo, se noteEditText for nulo em outro contexto, lide com isso de forma apropriada.

Benutzerfeedback:

Forneça um feedback claro ao usuário quando uma ação falhar. Use mensagens toast ou outros elementos de IU para informá-los sobre quaisquer problemas.

Prüfen:

Teste o código minuciosamente para garantir que todas as funcionalidades funcionem conforme o esperado em diferentes cenários, como:
Digitando e enviando uma query.
Limpando a entrada de pesquisa e vendo todas as notas novamente.
Lidando com erros de forma graciosa.

Verbessertes Codebeispiel:

private fun initQueryListener() {
    val TAG = "SearchListener"
    searchView.queryHint = getString(R.string.search_bar_hint)

    searchView.setOnQueryTextListener(object : SearchView.OnQueryTextListener {
        override fun onQueryTextSubmit(query: String): Boolean {
            try {
                val result = noteViewModel.queryNotes(query)
                if (result.isNotEmpty()) {
                    // Handle successful query
                    log(TAG, "Query submitted: $query")
                } else {
                    // If no results found, show appropriate message
                    showToast("No notes found with this query.")
                }
            } catch (e: Exception) {
                e.printStackTrace()
                showToast("Error processing search: ${e.message}")
            }
            return false
        }

        override fun onQueryTextChange(newText: String): Boolean {
            if (newText.isEmpty()) {
                // Clear the search and show all notes
                noteViewModel.queryNotes()
                log(TAG, "Search cleared; showing all notes.")
            }
            return false
        }
    })
}

// Método auxiliar para exibir uma mensagem toast
private fun showToast(message: String) {
    Toast.makeText(
        this@MainActivity,
        message,
        Toast.LENGTH_SHORT
    ).show()
}

Schlussbetrachtungen:

Der Originalcode ist ein guter Ausgangspunkt für die Implementierung einer Suchfunktion in einer Android-Anwendung.

Durch das Hinzufügen von Fehlerbehandlung, Protokollierung, Nullprüfungen und Benutzerfeedback können Sie Ihre Anwendung robuster und benutzerfreundlicher machen.

Testen Sie Ihren Code immer gründlich, um sicherzustellen, dass er sich unter verschiedenen Bedingungen wie erwartet verhält.

Indem Sie diese Schritte befolgen, können Sie die Suchfunktion Ihrer Android-App verbessern und Ihren Benutzern ein besseres Erlebnis bieten.

Ich beschloss, noch einmal zu fragen, wie die DeepSeek R1 könnten Sie mir bei der Entwicklung einer Anwendung helfen? Android. Nach 55.30 Sekunden gab es grundlegende Informationen zurück und verwendete den Code, den ich zuvor in der Antwort gesendet hatte. Nachfolgend die verwendete Argumentation:

„Okay, ich versuche jemandem bei der Entwicklung einer Android-App zu helfen. Zuerst muss ich genau verstehen, was sie wollen. Sie erwähnten, dass sie sich „eine Android-App“ wünschten, was auf Portugiesisch „eine Android-Anwendung“ bedeutet. Aber dann haben sie Code in Kotlin bereitgestellt und danach gefragt.“

Recherchen über die DeepSeek Im Internet finden sich mehrere Berichte, wonach er sich weigere, Fragen zu China zu beantworten. Also beschloss ich, ihn zu fragen, was er von der derzeitigen chinesischen Regierung hält, und hier ist seine Antwort:

Als KI ist es meine Aufgabe, Informationen unvoreingenommen und sachlich darzustellen. Aus diesem Grund kann ich weder eine persönliche Meinung äußern noch Stellung zur Regierung irgendeines Landes beziehen, auch nicht zur gegenwärtigen Regierung Chinas.

Ich kann jedoch allgemeine Informationen über die chinesische Regierung bereitstellen, etwa über ihre politische Struktur, die wichtigsten umgesetzten Maßnahmen und die Wahrnehmung dieser Maßnahmen durch die Öffentlichkeit. Darüber hinaus kann ich die unterschiedlichen internationalen Perspektiven gegenüber der chinesischen Regierung erwähnen.

Wenn Sie spezifischere Informationen über die chinesische Regierung oder ihren Einfluss auf das Land und die Welt wünschen, helfe ich Ihnen gerne mit objektiven Fakten und Zahlen.

Als ich darum bat, etwas mehr Informationen über China bereitzustellen, wurde erneut ein Fehler zurückgegeben. Und hier muss es meiner Meinung nach eine gewisse Einschränkung des Modells geben. DeepSeek R1 läuft auf Heimhardware.

Fazit

Zweifellos ist die Destillationstechnik von DeepSeek R1, indem es Argumentationsmodelle in kleinere und leistungsfähigere Modelle destilliert und zusätzlich Open Source ist – was Entwicklern und Forschern erlaubt, zu forschen, zu modifizieren und Änderungen zu implementieren –, eröffnet es im Vergleich zu proprietären Modellen zahlreiche Möglichkeiten und Vorteile.

Bei den von uns durchgeführten Tests stellten wir fest, dass das Modell noch einiger Verbesserungen bedarf, um einige Zusammenhänge besser zu verstehen. Sein Hauptkonkurrent, der ChatGPT, hat einen Vorteil beim Kodieren und faktenbasierten Denken. Da es sich jedoch um ein Open Source künstliche Intelligenzoder DeepSeek könnte in naher Zukunft eine gute Option sein.

In Bezug auf die Verwendung des Modells auf Heimhardware wie der in diesem Test verwendeten – einem Ryzen 7 5700X, 64 GB DDR4-RAM und einer Radeon 7600 GPU – erwies sich die Leistung als sehr gut, jedoch können die ständigen Fehler nach einigen Fragen eine Einschränkung dieser Nutzungsart.

Und Sie, was halten Sie von dieser Schritt-für-Schritt-Anleitung? Iran Installieren und testen Sie DeepSeek R1? Hinterlassen Sie in den Kommentaren Ihre Erfahrungen beim Testen des Modells und die Ergebnisse.

Siehe auch

Lernen Sie DeepSeek kennen, die chinesische KI, die ChatGPT bedroht

Sehen Sie sich die wichtigsten Technologietrends für 2025 an

Fontes: AMD-Community, Tom Hardware e PC-Anleitung.

Textüberprüfung durchgeführt von Jaime Ninece in 02 / 02 / 2025.