DeepSeek R1 на VPS через Ollama: выбор модели, памяти и Open WebUI

DeepSeek R1 — открытая языковая модель, которую можно запустить на своём сервере. Переписка никуда не уходит, ответы не зависят от загрузки чужих серверов, лимитов на число запросов нет. Удобнее всего запускать через Ollama — программу, которая скачивает модели и даёт к ним доступ из терминала и по API. Сначала разберёмся, что именно вы запускаете и сколько ему нужно памяти, потом поставим всё по шагам.

Что на самом деле запускается

Полная DeepSeek R1 — 671 миллиард параметров, около 404 ГБ даже в сжатом виде. На VPS она не поместится. То, что Ollama предлагает как deepseek-r1:1.5b, 7b, 14b и так далее — дистиллированные модели: большая R1 решала множество задач, а модели поменьше на открытых основах Qwen и Llama учились повторять её рассуждения. Они перенимают манеру большой модели, оставаясь в десятки и сотни раз компактнее. Например, 8b построена на Qwen3 8B и обучена на обновлённой R1-0528.

Все эти модели — рассуждающие. Перед ответом они выписывают ход мысли, в терминале блок начинается со слова Thinking.... На сложных вопросах это повышает точность, но удлиняет ответ. Веса DeepSeek R1 распространяются по лицензии MIT, у моделей на основе Llama дополнительно действует лицензия Llama.

Более новые DeepSeek V3.1 и V4 на своём сервере не запустить: V3.1 есть только в полном размере 671B, V4 в Ollama доступна лишь как облачная модель. Для self-hosted остаётся линейка R1.

Почему нужна память, а не видеокарта

Модель — огромный набор чисел, весов. Чтобы выдать каждый следующий токен, процессор проходит через все веса. Отсюда два вывода. Модель должна целиком помещаться в оперативную память, иначе система начнёт подкачивать её с диска и скорость упадёт в разы. И на сервере без GPU скорость определяется тем, как быстро процессор читает веса из памяти — поэтому маленькая модель заметно быстрее большой.

Модели в Ollama сжаты примерно до 4–5 бит на параметр: 8B занимает около 5 ГБ, 14B — около 9 ГБ. Но памяти нужно больше, чем весит файл: место под контекст диалога, система, сама Ollama. Берите запас в несколько гигабайт.

Что бывает без запаса: на сервере с 1 ГБ и swap самая маленькая 1.5b (1,1 ГБ) скачалась, но на вопрос «Сколько будет 17 умножить на 23?» за 8 минут вывела только Thinking... и одно слово — память и большая часть подкачки были заняты, сервер практически встал.

На 4 ядрах и 8 ГБ картина другая. 8b заняла в памяти 5,9 ГБ и писала около 5 токенов в секунду: ответила «391» правильно, но долго рассуждала — всего 1 мин 22 с. 1.5b работала вчетверо быстрее, около 22 токенов в секунду, ответила верно за 34 с, но просьбу ответить коротко проигнорировала и вставляла английские слова в русский текст. Меньшая модель быстрее, но хуже следует инструкциям и путает языки.

Какую модель выбрать

Размеры по каталогу Ollama, память — с запасом. Видеокарт на VPS нет, всё работает на процессоре.

Модель	Размер	Основа	Сервер
deepseek-r1:1.5b	1,1 ГБ	Qwen 2.5	2 vCPU, 4 ГБ
deepseek-r1:7b	4,7 ГБ	Qwen 2.5	4 vCPU, 8 ГБ
deepseek-r1:8b	5,2 ГБ	Qwen3, версия R1-0528	4 vCPU, 8 ГБ
deepseek-r1:14b	9 ГБ	Qwen 2.5	8 vCPU, 16 ГБ
deepseek-r1:32b	20 ГБ	Qwen 2.5	16 vCPU, 32 ГБ
deepseek-r1:70b	43 ГБ	Llama 3.3	выделенный сервер
deepseek-r1:671b	404 ГБ	полная модель	выделенный сервер

Для знакомства хватит 1.5b, но для русского она слабовата. Разумный выбор — 8b: её Ollama качает по умолчанию, если не указать размер, и она обучена на самой новой R1-0528. 14b и 32b лучше на сложных задачах, но на CPU медленнее.

Не уверены, хватит ли сервера. Начните с меньшего и модели 8b. Если качество устраивает, а скорость нет, тариф можно повысить. Понизить потом обычно нельзя — диск не уменьшается.

Что нужно

• Сервер на tanaka.host с Debian 12 или Ubuntu 24.04 и памятью по таблице.
• Место на диске: сама Ollama около 2 ГБ плюс модель.
• SSH под root.

1. Установка Ollama

curl -fsSL https://ollama.com/install.sh | sh

Скрипт скачает программу, создаст отдельного пользователя и службу и запустит её. В конце сообщит, что API доступен на 127.0.0.1:11434, и предупредит, что видеокарта не найдена — на VPS это нормально.

2. Скачайте модель

ollama pull deepseek-r1:8b

Ollama покажет ход загрузки и в конце напишет success.

3. Задайте вопрос

ollama run deepseek-r1:8b

Появится строка ввода. Напишите вопрос, Enter. Сначала блок рассуждений после Thinking..., потом ответ. Выход — /bye.

С ключом --verbose после ответа Ollama покажет время и скорость; главная строка — eval rate, токенов в секунду. Один вопрос без диалога, удобно для скриптов:

ollama run deepseek-r1:8b "Объясни простыми словами, что такое DNS"

Работа через API

Ollama работает как служба и принимает запросы на самом сервере; ollama serve вручную запускать не нужно. Так модель подключают к боту, сайту или агенту OpenClaw:

curl http://127.0.0.1:11434/api/chat -d '{
  "model": "deepseek-r1:8b",
  "messages": [{"role": "user", "content": "Привет!"}],
  "stream": false
}'

Чтобы обращаться к API со своего компьютера, не открывая его наружу, — SSH-туннель. Команда на вашем компьютере, окно не закрывать; после этого API доступен у вас на http://127.0.0.1:11434:

ssh -N -L 11434:127.0.0.1:11434 root@IP_сервера

Не открывайте порт 11434 в интернет. У API Ollama нет пароля. Любой, кто до него доберётся, сможет пользоваться вашим сервером, качать на него модели и занимать всю память.

Веб-интерфейс Open WebUI

В терминале переписываться неудобно, поэтому к Ollama обычно добавляют Open WebUI — чат в браузере, похожий на ChatGPT. Он подключается к Ollama на том же сервере и видит скачанные модели. Ставим облегчённый образ slim: около 200 МБ вместо 1,6 ГБ, без встроенной обработки документов и голоса.

Docker, если его ещё нет — установка Docker или одной командой:

curl -fsSL https://get.docker.com | sh

Запуск:

docker run -d --network=host \
  -e HOST=127.0.0.1 \
  -e OLLAMA_BASE_URL=http://127.0.0.1:11434 \
  -e WEBUI_SECRET_KEY=$(openssl rand -hex 32) \
  -v open-webui:/app/backend/data \
  --name open-webui --restart always \
  ghcr.io/open-webui/open-webui:slim

HOST=127.0.0.1 оставляет интерфейс доступным только на сервере, OLLAMA_BASE_URL указывает, где Ollama. Open WebUI занимает около 320 МБ памяти — прибавьте их к памяти модели.

Откройте через туннель с компьютера:

ssh -N -L 8080:127.0.0.1:8080 root@IP_сервера

В браузере http://localhost:8080 → Давайте начнём → форма первого аккаунта.

Первый аккаунт становится администратором. Он управляет пользователями и всеми настройками. Создайте его сразу после запуска с надёжным паролем.

После входа Open WebUI сам находит модели Ollama, выбор — в строке ввода. Рассуждения сворачиваются в одну строку, ниже — готовый ответ.

Модели нужен сервер почти целиком. На 8 ГБ с другими запущенными программами памяти уже не хватило, часть ушла в swap, и ответ в Open WebUI занял больше двух минут. Ставите 8b — не держите на этом сервере ничего тяжёлого.

Полезные команды

ollama ls                      # скачанные модели
ollama ps                      # модели, загруженные в память сейчас
ollama stop deepseek-r1:8b     # выгрузить модель из памяти
ollama rm deepseek-r1:1.5b     # удалить модель с диска
systemctl status ollama        # состояние службы

Полный справочник — команды Ollama.

Частые ошибки

Модель отвечает очень медленно. free -h: если занята строка Swap, модель не помещается в память — модель поменьше или сервер побольше. Если память в порядке, ускорит только более быстрый процессор с большим числом ядер или модель меньше.

Рассуждает очень долго. Особенность рассуждающих моделей. Попросите отвечать кратко. Если рассуждения не нужны, для простых задач возьмите обычную модель без Thinking... — варианты в статье Ollama на CPU.

Удалить Ollama полностью. Удалите модели через ollama rm, затем:

systemctl disable --now ollama
rm -rf /usr/local/lib/ollama /usr/local/bin/ollama /usr/share/ollama

Каталог моделей — ollama.com/library.