Ollama DeepSeek: ejecutar DeepSeek-R1, V3 y Coder en local

La familia DeepSeek-R1 incluye el modelo completo de 671 parámetros entrenado con aprendizaje por refuerzo puro, y una serie de modelos destilados que transfieren las capacidades de razonamiento del modelo grande a arquitecturas más pequeñas basadas en Qwen3 y Llama. El modelo por defecto en Ollama a mayo de 2026 es deepseek-r1:8b, una versión actualizada basada en Qwen3-8B que mejora significativamente al anterior deepseek-r1:7b.

Lo que distingue a DeepSeek-R1 de otros modelos open-source es su proceso de razonamiento visible: antes de dar la respuesta final, el modelo genera un bloque de "pensamiento" interno donde trabaja el problema paso a paso. En Ollama este bloque aparece entre etiquetas <think>...</think> y puede omitirse o procesarse según el caso de uso.

Usar DeepSeek-R1 via la API de Ollama

# Consulta via API REST
curl http://localhost:11434/api/generate -d '{
  "model": "deepseek-r1:8b",
  "prompt": "Resuelve paso a paso: un tren parte a 80 km/h y otro en sentido contrario a 100 km/h. Si están a 360 km de distancia, ¿en cuánto tiempo se encuentran?",
  "stream": false
}'

Para integraciones en Python, el endpoint de Ollama es compatible con el SDK de OpenAI, lo que simplifica la migración desde modelos cloud:

from openai import OpenAI

cliente = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama",  # cualquier valor no vacio
)

respuesta = cliente.chat.completions.create(
    model="deepseek-r1:8b",
    messages=[
        {
            "role": "user",
            "content": "Escribe una función Python que calcule el número de Fibonacci de forma eficiente usando memoización. Explica la complejidad temporal."
        }
    ],
    temperature=0.1,  # temperatura baja para razonamiento preciso
)

# El texto de razonamiento esta en el contenido si el modelo lo incluye
print(respuesta.choices[0].message.content)

Modelos destilados: qué variante elegir

La arquitectura MoE de DeepSeek-V3 divide los parámetros del modelo en "expertos" especializados. Cada token activa solo un subconjunto de esos expertos (37B de los 671B totales), lo que reduce el cómputo por token comparado con modelos densos del mismo tamaño. Esto es lo que hace posible que un modelo de 671B parámetros sea práctico en hardware razonablemente accesible para organizaciones con infraestructura de servidor.

En la práctica, DeepSeek-V3 es el modelo a usar cuando necesitas la máxima calidad en tareas generales: redacción, análisis de documentos largos, traducción, resumen y conversación. No tiene el razonamiento chain-of-thought de R1, pero es significativamente más rápido en generación de texto y produce respuestas más fluidas para tareas que no requieren pasos intermedios de razonamiento.

Requisitos y consideraciones practicas

DeepSeek-V3 ocupa 404 GB en disco y requiere hardware de servidor para ejecutarse en Ollama. Las opciones prácticas son:

• Multi-GPU consumer: 4-6 GPU RTX 4090 (24 GB cada una) en una workstation de alto rendimiento. Velocidad de generación baja pero funcional.
• GPU de datacenter: una o dos NVIDIA A100 80 GB o H100 80 GB. Opción óptima para velocidad de inferencia aceptable.
• CPU offloading: Ollama soporta offloading parcial a RAM cuando la VRAM no es suficiente. Con 128-256 GB de RAM del sistema y 24-48 GB de VRAM el modelo puede correr a baja velocidad pero de forma funcional.

Para la mayoría de proyectos con hardware de consumo, las variantes destiladas de DeepSeek-R1 o modelos como Llama o Qwen de tamaño similar ofrecen mejor relación calidad/hardware que DeepSeek-V3 completo.

La variante práctica para hardware de consumo es deepseek-coder-v2 (que descarga el modelo de 16b, 8,9 GB). Soporta más de 338 lenguajes de programación y tiene un contexto de 160K tokens, lo que lo hace adecuado para analizar ficheros de código completos o refactorizar proyectos enteros.

Integración con Continue en VS Code

La forma más práctica de usar DeepSeek-Coder V2 como asistente de programación local es a través de la extensión Continue, que se integra en VS Code y JetBrains y se conecta al endpoint de Ollama:

# 1. Descargar el modelo
ollama pull deepseek-coder-v2

# 2. Instalar Continue en VS Code desde el Marketplace

# 3. Configurar ~/.continue/config.json
{
  "models": [
    {
      "title": "DeepSeek Coder V2",
      "provider": "ollama",
      "model": "deepseek-coder-v2",
      "apiBase": "http://localhost:11434"
    }
  ],
  "tabAutocompleteModel": {
    "title": "DeepSeek Coder V2",
    "provider": "ollama",
    "model": "deepseek-coder-v2"
  }
}

Con esta configuración, Continue usa DeepSeek-Coder V2 tanto para el chat integrado en el editor como para el autocompletado de código en tiempo real. Todo el procesamiento ocurre en local via Ollama: no se envían fragmentos de tu código a servidores externos.

Capacidades de DeepSeek-Coder V2