在年假前看到 Deepseek R1 的消息時，我想說應該要找時間來自己測試看看 local 安裝的版本。年假接近尾聲，昨晚終於有空玩電腦，於是就隨意找了一篇教學體驗看看。

我先安裝 Ollama ，接著在 terminal 輸入指令下載 Deepseek R1:70B 的模型（要下載 42GB 的模型）。大概跑了 40 分鐘下載完後，就可以開始用了。 UI 介面部分我使用的是教學文裡面推薦的 Chatbox ，設定也非常簡單，點幾下就可以開始用。

我最想測試的有兩件事：

測試的結果：

---

以下是一些隨意紀錄的想法：

關於言論審查，我想要確認這個模型背後的數據與推理過程是否足夠全面與用力，假設這一關有通過，我會比較能夠相信當我問他任何問題時，背後的思考都是對我最用的。我知道即使有言論審查，也不代表其他未受審查的領域就會有影響，但我會傾向選擇更少審查的模型。

關於與 o1 的對比，我是拿先前問過 o1 的問題直接一字不動去問 R1 ，我問的問題都是一些情境與思考題目，是我在工作上或生活上真實遇到的問題，而不是網路上流傳的各種測試題目。我也沒有預設任何 system prompt 。在這樣的測試下，我發現 R1 的回答品質是不錯，但是少了 o1 那種拓展我未知邊界的感覺。我測試了五六題都有類似的感覺，因此就覺得差不多了。

性能方面，我用的裝置是 M4 Pro Mac Mini 48 GB Ram，跑 R1:70B 蠻吃力的，大約 300~500 字的問題可能需要跑 3~5 分鐘才能跑出來，而且風扇會狂轉。後來我改下載 R1:14B ，速度就快很多，品質大約是 70B 的 80~90% （體感，很不嚴謹的測試）。

---

雖然對 R1 的表現沒有想像中驚艷，但這次測試仍有很多很重要的收穫，第一個是我發現，原來要在自己電腦上運作一個本地模型竟然這麼簡單，這讓我開始想要到處測試各種不同的模型效果了，真有趣。

為什麼我之前從來沒有想要這樣玩過呢？感覺好像是因為「覺得他們不夠強，所以用 ChatGPT 訂閱版就好」，但這次體驗後我覺得，即使比不上 ChatGPT 訂閱版，也應該要試著幫本地模型找找看適合的使用情境才對。

另一個收穫是，我非常喜歡 R1 這種「思維鏈（chain of thought) 外露」的效果，以下圖為例，我原先請他幫忙改我的英文句子，結果他給的內容沒有到很好，我就隨意詢問他有沒有更好的表達方式。接著他就想了一段時間，給了我一個新的版本。我可以從 <think> <think> 這段內容中看到他的推理過程，這種感覺很新奇有趣。

我發現當我能夠知道 LLM 的推理過程，我就更能夠信任他給我的結果，也更知道該怎樣調整我的問題以獲得更精準的答案，這個收穫對我來說很有價值，我也期待未來更強的推理模型都能夠這樣做。

PJ Wu