• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

Cómo instalar deepseek-r1 en Ollama: Una guía rápida

febrero 5, 2025 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Los modelos de inteligencia artificial generativa están transformando la manera en que interactuamos con la tecnología, y deepseek-r1 es uno de los más prometedores en la biblioteca de Ollama. Este modelo, diseñado para tareas de búsqueda y análisis, destaca por su eficiencia y precisión. En esta guía, te explicamos cómo instalarlo en Ollama y las configuraciones recomendadas según tus recursos.

Tabla de contenidos

  • 1 ¿Qué es deepseek-r1?
  • 2 Paso 1: Instalar Ollama
  • 3 Paso 2: Instalar deepseek-r1
  • 4 Paso 3: Uso de deepseek-r1
    • 4.1 Interacción con el modelo
    • 4.2 Uso de una interfaz gráfica
  • 5 Recomendaciones según tus recursos
  • 6 Conclusiones

¿Qué es deepseek-r1?

Deepseek-r1 es un modelo de lenguaje optimizado para tareas de búsqueda semántica y análisis en profundidad. Sus versiones, que varían en tamaño y capacidad, están diseñadas para adaptarse a diferentes niveles de recursos computacionales:

  • Versión 1B: Ideal para equipos con recursos limitados, como CPUs modernas o GPUs básicas.
  • Versión 7B: La opción estándar para la mayoría de los usuarios, ofreciendo un equilibrio entre velocidad y precisión.
  • Versiones avanzadas (más de 7B): Recomendadas para usuarios con hardware potente, como GPUs de gama alta o sistemas con múltiples núcleos.

Publicidad


Paso 1: Instalar Ollama

Antes de empezar, asegúrate de tener Ollama instalado en tu equipo. Si aún no lo has hecho, puedes consultar el tutorial de instalación de Ollama. Los principales pasos para realizar la instalación de Ollama son:

  1. Descarga Ollama desde su sitio oficial.
  2. Sigue las instrucciones de instalación específicas para tu sistema operativo (macOS, Windows o Linux).

Una vez instalado, verifica que Ollama esté funcionando correctamente ejecutando el siguiente comando en tu terminal o línea de comandos:

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
En Analytics Lane
Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

ollama list

Esto mostrará los modelos disponibles o instalados en tu sistema. Si no se ha instalado ninguno, la lista debería estar vacía.

Paso 2: Instalar deepseek-r1

Para instalar deepseek-r1, utiliza el siguiente comando en Ollama:

ollama pull deepseek-r1

Este comando descarga la versión estándar del modelo (7B). Si deseas instalar una versión específica:

  • Versión 1B:
ollama pull deepseek-r1-1b
  • Versiones avanzadas: Consulta la documentación de Ollama para los nombres exactos de estas versiones.

Publicidad


Paso 3: Uso de deepseek-r1

Una vez que el modelo deepseek-r1 ha sido instalado correctamente en tu sistema, puedes acceder a él fácilmente desde la terminal o el símbolo del sistema. Para iniciar el modelo, simplemente ejecuta el siguiente comando:

ollama run deepseek-r1

Este comando iniciará el modelo y podrás interactuar con él directamente a través de la terminal. Si has instalado otro modelo, sustitúyelo por el nombre del modelo que desees utilizar. Al ejecutar este comando, el modelo estará listo para responder a tus consultas.

Interacción con el modelo

Con el modelo en ejecución, puedes comenzar a hacerle preguntas o pedirle que realice tareas específicas. Simplemente escribe tus consultas y el modelo responderá con la información o el análisis que le solicites. Este tipo de interacción es útil para tareas de procesamiento de lenguaje natural, generación de texto o cualquier otro tipo de análisis relacionado con el modelo.

Publicidad


Uso de una interfaz gráfica

Si prefieres una experiencia más visual y amigable, en lugar de interactuar directamente con la terminal, puedes utilizar aplicaciones como AnythingLLM, que proporcionan una interfaz gráfica para gestionar y acceder a los modelos LLM instalados. Para más detalles sobre cómo configurar y utilizar esta herramienta, puedes consultar el tutorial de instalación de modelo LLM en local, que te guiará paso a paso para integrar AnythingLLM y facilitar el acceso a los modelos de manera más intuitiva.

Recomendaciones según tus recursos

Como se explica en el tutorial de instalación de Ollama, es importante elegir la versión adecuada de deepseek-r1 según los recursos de tu equipo:

  • Recursos limitados: Opta por la versión 1B, que es más ligera y funciona bien en CPUs modernas o GPUs integradas.
  • Configuración estándar: La versión 7B es adecuada para la mayoría de los usuarios con GPUs básicas como la RTX 3060 o sistemas Apple Silicon Pro.
  • Hardware avanzado: Si dispones de una GPU de gama alta (por ejemplo, RTX 4090), prueba modelos más grandes para tareas complejas.

Publicidad


Conclusiones

Deepseek-r1 es una excelente incorporación a la biblioteca de Ollama, especialmente para quienes necesitan realizar tareas de búsqueda complejas con alta precisión. Su instalación es sencilla y, gracias a las diferentes versiones disponibles, es accesible tanto para usuarios con recursos limitados como para aquellos con hardware avanzado.

Si ya estás usando Llama, probar deepseek-r1 es una oportunidad interesante para explorar nuevas posibilidades y comparar cuál de los modelos se ajusta mejor a tus necesidades. Ambos tienen puntos fuertes que los hacen destacar en el ecosistema de modelos generativos.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows
  • Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte
  • Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
  • Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

Publicado en: Herramientas Etiquetado como: DeepSeek, IA Generativa, LLM

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

octubre 23, 2025 Por Daniel Rodríguez

Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)

octubre 21, 2025 Por Daniel Rodríguez

Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte

octubre 16, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Aplicación web interactiva que muestra un mapa de Madrid con puntos de interés destacados, creado utilizando la biblioteca Folium. Tutorial: Creando un mapa interactivo con Folium en Python publicado el diciembre 13, 2024 | en Python
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Entendiendo la validación cruzada: Selección de la profundidad óptima en un árbol de decisión publicado el septiembre 13, 2024 | en Ciencia de datos
  • Concatenar listas en Python publicado el agosto 19, 2019 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto