2080ti实测部署DeepSeek 32B！内容创作效率翻倍，AI玩家必看！

年前入手了一张2080ti 22G显卡，正好赶上DeepSeek R1 32B模型的热度，于是花了一晚上把它部署到了本地。实测下来，20 tokens/s的生成速度，对于个人内容创作来说完全够用。这篇文章就把整个部署过程、性能表现以及和云端版本的对比一次性说清楚。

一、通过Ollama安装本地环境

先到Ollama官网，点击Download按钮。

选择Windows版本，再点Download for Windows，下载安装包并完成安装。

二、一键运行DeepSeek

Ollama安装好后，按Win+R输入CMD打开命令提示符，直接输入：

ollama run deepseek-r1:32b

命令执行后会自动下载模型并启动。这里有个小插曲——晚上23点开始跑，因为服务端下载速度较慢，下载耗时接近5小时。索性先去睡觉，早上起来发现已经完成并成功运行了。不过直接在命令行里操作体验一般，于是用Chatbox来对接图形界面。

三、结合Chatbox使用

下载Chatbox，打开官网能看到下载按钮（如下图），安装后打开。

打开Chatbox，按照上图配置好即可完成对接，之后就能在图形界面里流畅使用本地模型了。

四、简要测评

在2080ti 22G显卡上，实测性能大约20 tokens/s，根据上下文长度会有波动（动态范围7–21 tokens/s）。本地机器配置：惠普Z620，双路2697v2，256GB内存，1TB SATA固态，GPU为2080ti 22G 300A核心。

五、商业化性能表现

20 tokens/s的速度，用于个人内容创作（比如自动写文章、润色、生成大纲）完全够用。个人对这个结果很满意。如果你手头已经有一张2080ti，或者正在考虑入手，不妨做个参照：它的性价比完全可以对标3090，但价格要低得多。

再说说本地部署和网络版的取舍。网络版的优势是满血版本（670B参数），效果更强；但缺点也很明显——数据要传到云端，安全性得不到保障，而且近期网络拥堵严重，经常影响创作进度。综合来看，用2080ti做本地部署，是目前个人用户最稳妥的选择。