Herramientasdeepseek
DeepSeek en local: cómo ejecutarlo en tu equipo
Prueba DeepSeek en local con Ollama: elige un modelo, revisa memoria, privacidad y límites, y empieza con datos ficticios antes de usar tareas de trabajo.
- Autor: humAIns
- 9 min de lectura
índice · 8 apartados
Puedes probar DeepSeek en tu propio ordenador con Ollama y el comando ollama run deepseek-r1. Eso descarga y ejecuta un modelo de la familia DeepSeek-R1 localmente; no es el chat web de DeepSeek ni una llamada a su API. El modelo concreto, la memoria disponible y la configuración determinan si funcionará con fluidez: comienza con una variante pequeña y datos inventados, no con documentos de clientes.
Esta guía recorre una prueba sencilla, los límites de lo que puedes inferir sobre privacidad y las comprobaciones que conviene hacer antes de incorporar un modelo local a un flujo profesional. Si primero quieres entender las diferencias entre nube y equipo propio, consulta IA en local o en la nube.
Qué significa ejecutar DeepSeek en local
“Local” describe dónde se realiza la inferencia: el programa utiliza el modelo descargado en el ordenador en que corre Ollama. Para una consulta local normal, el texto se procesa en ese equipo, no se manda automáticamente al chat web o a la API de DeepSeek. Aun así, hay que comprobar el comportamiento de la aplicación concreta, las integraciones activadas y el ciclo de descarga y actualización.
Son tres vías diferentes:
| Vía | Dónde se procesa la petición | Qué estás usando |
|---|---|---|
| Ollama con modelo local | En el ordenador o servidor donde corre Ollama | Un modelo descargado, por ejemplo DeepSeek-R1 |
| Chat web de DeepSeek | En el servicio remoto correspondiente | Una aplicación de conversación con condiciones propias |
| API de DeepSeek | En el servicio remoto al que llama tu programa | Un endpoint documentado por DeepSeek, con su disponibilidad y términos |
Por tanto, instalar pesos no te da una API alojada y una cuenta del chat no equivale a ejecutar el modelo en tu ordenador. Si tu objetivo es experimentar sin contratar una API, céntrate en la primera opción. La guía DeepSeek V4 explica por separado chat y API para esa familia de servicios.
Qué modelo elegir en Ollama
La biblioteca oficial de Ollama lista deepseek-r1 y las variantes destiladas. En la página consultada, el nombre deepseek-r1 ejecuta DeepSeek-R1-0528-Qwen3-8B; también documenta nombres explícitos como deepseek-r1:1.5b, deepseek-r1:7b, deepseek-r1:14b, deepseek-r1:32b, deepseek-r1:70b y deepseek-r1:671b. La misma biblioteca señala que la actualización 0528 incluye el modelo destilado de 8B y el modelo completo de 671B.
Los sufijos representan variantes de escala, no una garantía de que quepan en cualquier equipo ni una puntuación uniforme de calidad. Para aprender, puedes empezar por la variante predeterminada publicada como 8B o elegir una de menor tamaño si tu memoria es limitada; compara resultados con la tarea concreta que te importa. No descargues el modelo completo de 671B pensando que es equivalente a un archivo pequeño de escritorio.
Ollama publica tamaños de descarga en la biblioteca, pero el consumo durante la ejecución depende también de la cuantización, el contexto, el sistema operativo y otros procesos. No hay un único mínimo de memoria que pueda prometerse para todos los ordenadores y versiones. Revisa la ficha oficial de la variante y deja margen: si el equipo empieza a intercambiar memoria con el disco o la respuesta tarda demasiado, prueba una variante menor. Cambiar de cuantización o de etiqueta puede alterar el compromiso entre memoria y calidad.
La etiqueta de biblioteca deepseek-r1 puede actualizarse con el tiempo. Si necesitas repetir una evaluación más adelante, anota el nombre exacto, la fecha y el modelo que Ollama muestra durante la descarga; no asumas que una etiqueta móvil identifica para siempre los mismos pesos.
Instalar Ollama y ejecutar un modelo
Descarga el instalador para tu sistema operativo desde Ollama. La documentación oficial mantiene instrucciones para macOS, Windows y Linux; el proceso de instalación no es idéntico en los tres sistemas. Sigue la página de instalación vigente para tu equipo y evita copiar instrucciones de una guía antigua si difieren de ella.
Una vez instalado, abre una terminal y ejecuta el comando de la ficha DeepSeek-R1 de Ollama:
ollama run deepseek-r1
La primera ejecución necesita internet para obtener el modelo, que puede ocupar varios gigabytes. Cuando termine la descarga, el comando abre una conversación interactiva en la terminal. Escribe una pregunta de prueba y usa el mecanismo de salida que muestra la propia sesión para volver al prompt del sistema.
Para seleccionar una variante explícita, la biblioteca ofrece, por ejemplo:
ollama run deepseek-r1:1.5b
El comando solicita esa variante y la descarga si no está instalada. Elige únicamente entre etiquetas que aparezcan en la biblioteca oficial en el momento de probar; la lista puede cambiar. Si la descarga falla, comprueba primero espacio disponible, conexión y que Ollama esté instalado y ejecutándose según las instrucciones de tu plataforma. No hace falta configurar una cuenta de API para esta prueba local.
Primera prueba: documento ficticio y comprobación local
En vez de pegar un informe interno, crea un texto inventado de unas pocas líneas, por ejemplo una nota de reunión de una tienda ficticia con tareas, responsables con nombres ficticios y fechas simuladas. Pide que extraiga acciones y que marque cualquier dato ausente:
Resume esta nota ficticia en una tabla con tarea, responsable y fecha. No inventes datos: escribe «no indicado» cuando falte un campo. Después comprueba que cada fila se apoya en una frase de la nota.
Compara la tabla con el texto de origen. Revisa especialmente que el modelo no haya completado fechas o asignado responsables por intuición. Un buen resultado en una prueba corta solo indica cómo respondió a esa muestra; no demuestra que extraiga con fiabilidad todos los documentos de tu trabajo.
Para comprobar que la interacción de prueba funciona sin conexión, espera a que la descarga haya acabado, cierra la sesión y desconecta temporalmente el acceso a internet. Ejecuta de nuevo ollama run deepseek-r1 y repite una pregunta ficticia. Si Ollama necesita descargar una variante que no está en el equipo, esa operación no funcionará desconectado. No des por demostrado el aislamiento solo porque el modelo responda: también puedes revisar qué proceso está activo y qué aplicaciones adicionales tienen acceso a la red.
La documentación de Ollama explica cómo ejecutar modelos en el ordenador y distingue esa opción de sus modelos cloud. El comando de arriba es una ejecución local; no añadas una URL de API ni una integración de terceros a esta prueba si quieres mantenerla sencilla.
GPU, velocidad y calidad: qué no se puede prometer
No es imprescindible tener una GPU para intentar ejecutar un modelo; el sistema puede utilizar CPU, aunque el rendimiento y la viabilidad práctica dependen del modelo y del equipo. Una GPU compatible puede acelerar la generación, pero su memoria también pone límites y cada sistema la aprovecha de forma distinta. Por eso, no es riguroso dar un requisito universal de “DeepSeek” sin precisar variante, cuantización y configuración.
Los modelos pequeños y destilados son más accesibles, pero no necesariamente igualan al modelo completo ni a servicios de frontera. Evalúa una tarea acotada con ejemplos representativos: mide errores, tiempo de respuesta y cuánto debe corregir una persona. Para código, revisa y ejecuta cada cambio en un entorno controlado; la guía sobre DeepSeek Coder detalla una prueba separada de programación.
Privacidad, licencia y mantenimiento
Un modelo local puede evitar que el proveedor del modelo reciba las consultas de inferencia, pero no convierte por sí solo el tratamiento en seguro o legal. Siguen importando el cifrado del disco, las cuentas del equipo, registros, copias de seguridad, soporte remoto, telemetría de otras aplicaciones y quién puede abrir los archivos. Además, si una integración envía el texto a un servicio externo, deja de ser una prueba puramente local.
Antes de usar datos reales, consulta las políticas de seguridad y privacidad de tu organización y determina si el material contiene datos personales, secretos comerciales o información protegida por contrato. El RGPD no desaparece porque el software se ejecute en un portátil: siguen aplicando las obligaciones pertinentes sobre finalidad, minimización, base jurídica y seguridad. La guía de privacidad de IA en el trabajo ayuda a plantear estas comprobaciones. Este ejemplo no sustituye una evaluación legal ni la autorización de quien sea responsable del tratamiento.
La biblioteca de Ollama indica licencia MIT para DeepSeek-R1, pero menciona que algunos modelos destilados derivan de familias con licencias originales diferentes. Comprueba la licencia de la variante exacta que descargues y sus condiciones antes de usarla comercialmente o redistribuirla. No infieras la licencia de todos los derivados a partir del repositorio general de DeepSeek-R1 en GitHub.
Por último, los modelos y sus etiquetas cambian. Revisa las actualizaciones y descarga solo desde fuentes oficiales. Una versión nueva puede producir salidas diferentes: conserva una prueba de referencia y vuelve a validar el flujo antes de actualizar un proceso de trabajo.
Preguntas frecuentes
¿Necesito GPU?
No necesariamente para experimentar: el rendimiento depende del tamaño del modelo y del equipo, y puede utilizarse CPU. Una GPU compatible puede acelerar el proceso, pero comprueba la memoria requerida para la variante exacta.
¿Funciona sin internet después de descargarlo?
Una vez descargados Ollama y los pesos de la variante elegida, puedes probar la ejecución local sin conexión. Las funciones remotas o las descargas de modelos que falten sí necesitarán red; verifica el caso desconectando el equipo durante una prueba ficticia.
¿La API es lo mismo que el chat o el modelo local?
No. La API es un servicio remoto para integrar en programas, el chat es una interfaz remota y Ollama ejecuta pesos en tu equipo. Consulta las condiciones de cada vía por separado.
¿Es seguro usar datos de clientes?
No lo des por supuesto. El procesamiento local reduce una vía de exposición, pero no resuelve permisos, obligaciones legales, seguridad del dispositivo, copias ni integraciones. Usa ejemplos ficticios hasta que tu organización apruebe el flujo.
Siguiente paso
Probar un modelo con datos ficticios permite familiarizarte con la IA sin confundir una demostración con un sistema listo para producción. Si trabajas en marketing, el curso de IA para Marketing aborda el uso profesional de IA en esa disciplina; no es una formación técnica específica de instalación de modelos. Antes de elegir tu siguiente paso, también puedes hacer el test gratuito ¿Cuánto te queda?.
Sigue leyendo en humAIns