Ollama DeepSeek: lokal pullen und starten

TL;DR

Ollama DeepSeek ist keine einzelne Bibliotheks-ID deepseek. Die Bibliothek führt getrennte Einträge. Der aktuelle Reasoning-Pfad startet mit ollama run deepseek-r1. Das Default-Tag deepseek-r1:latest ist laut Tag-Seite identisch mit deepseek-r1:8b (Digest 6995872bfe4c, Artefakt 5,2 GB, Kontext 128K). Die Tag-Seite zählt 35 Artefakte. Die Gewichte der R1-Serie stehen dort unter MIT; destillierte Qwen- und Llama-Varianten behalten die Ursprungslizenz. Ältere Pfade bleiben ollama run deepseek-coder und ollama run deepseek-llm. Die Chat-API liegt auf http://localhost:11434/api/chat. Gelesen in der Ollama-Bibliothek am 2026-10-21. Kein Ranking, kein Kaufguide.

Modell-Familie, nicht ein Tag namens deepseek

IT-Leiter suchen „ollama deepseek“, wenn sie ein DeepSeek-Tag ziehen und lokal starten — nicht, wenn sie Llama gegen Mistral abwägen. Die allgemeine Modellwahl bleibt Ollama Models. Die Produktfamilie ohne Ollama-Befehlspfad bleibt DeepSeek V3 on-premise. Der Coder-Leitfaden ohne Bibliotheks-Tag-Liste bleibt DeepSeek Coder. Ein Qwen-Pull bleibt Ollama Qwen3, ein Mistral-Pull Ollama Mistral.

Die Engine kommt von Ollama Download oder dem Linux-Dienst. Port und Bind-Adresse bleiben 11434. Der Python-Client spricht dieselbe API, beschrieben in Ollama Python.

Start: ollama run deepseek-r1

Die Bibliotheksseite, erster Befehl:

ollama run deepseek-r1

Das zieht deepseek-r1:latest und öffnet die Chat-Sitzung. Die Tag-Seite setzt latest auf denselben Digest wie deepseek-r1:8b (DeepSeek-R1-0528-Qwen3-8B). Ein festes Tag setzen Sie per Suffix, zum Beispiel deepseek-r1:7b oder deepseek-r1:14b. Vor dem Pull die aktuelle Liste auf der Tag-Seite prüfen.

Nur ziehen, ohne Sitzung:

ollama pull deepseek-r1

Die Readme der Bibliothek: ein älteres Artefakt aktualisieren Sie mit demselben ollama pull deepseek-r1. Ohne laufenden Server antwortet der Client nicht. Unter systemd ist das die Unit aus Ollama Service.

Welche Tags die Bibliothek für R1 führt

Stand 2026-10-21 auf ollama.com/library/deepseek-r1 und der Tag-Seite. Größen sind Artefaktgrößen der Bibliothek, kein freier GPU-Speicher. Die Bibliothek beschreibt DeepSeek-R1 als offene Reasoning-Familie. Die Readme nennt das Upgrade DeepSeek-R1-0528 für das destillierte 8B-Modell und das volle 671B-Modell.

Die Readme ordnet die Startbefehle so zu:

Die übrigen der 35 Tags sind Quantisierungen derselben Familie (q4_K_M, q8_0, fp16), keine zweite Runtime. Die Tag-Seite zeigt für 671b außerdem 671b-0528-q8_0 mit 713 GB und 671b-0528-fp16 mit 1,3 TB. Das sind Download-Größen.

Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Was dieser Suchbegriff nicht ist

Ein anderer Bibliotheks-Eintrag ist deepseek-coder (ollama run deepseek-coder). Die Coder-Seite beschreibt ein Code-Modell, trainiert auf zwei Billionen Tokens (87 % Code, 13 % natürliche Sprache). Default dort: deepseek-coder:latest / deepseek-coder:1.3b (776 MB, Kontext 16K). Weitere Tags der Coder-Seite: deepseek-coder:6.7b (3,8 GB, 16K) und deepseek-coder:33b (Größe dort ohne Angabe).

deepseek-llm ist der ältere Chat-/Base-Eintrag (ollama run deepseek-llm). Die Bibliothek nennt 7B und 67B, jeweils als chat und base. Default: deepseek-llm:latest / deepseek-llm:7b (4,0 GB, Kontext 4K). deepseek-llm:67b steht mit 38 GB und 4K.

deepseek-v3.1 und deepseek-v4-pro sind eigene Einträge. V4-Pro startet in der Bibliothek als Cloud-Tag (ollama run deepseek-v4-pro:cloud) und gehört nicht auf diesen lokalen Pull. VRAM-Rechnungen für große MoE-Gewichte bleiben DeepSeek V4 Flash. Offline ohne Ollama-Bibliothek bleibt DeepSeek offline.

Chat-API auf Port 11434

Die Bibliothek zeigt denselben Host wie die Ollama-Chat-Doku (http://localhost:11434). Beispiel der R1-Seite:

curl http://localhost:11434/api/chat \
  -d '{
    "model": "deepseek-r1",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Die OpenAPI der Chat-Route bestätigt Server http://localhost:11434 und POST /api/chat. Coder-Generate-Beispiel derselben Bibliothek:

curl -X POST http://localhost:11434/api/generate -d '{
  "model": "deepseek-coder",
  "prompt":"Why is the sky blue?"
 }'

Python-Paket laut R1-Seite:

from ollama import chat

response = chat(
    model='deepseek-r1',
    messages=[{'role': 'user', 'content': 'Hello!'}],
)
print(response.message.content)

Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Launch-Wrapper mit demselben Modellnamen

Die R1-Bibliothek listet Start-Befehle mit --model deepseek-r1:

ollama launch claude --model deepseek-r1
ollama launch opencode --model deepseek-r1
ollama launch hermes --model deepseek-r1
ollama launch openclaw --model deepseek-r1

Das ersetzt weder die Engine-Installation noch den ersten Pull. OpenCode am selben Host steht in OpenCode Ollama. OpenClaw bleibt OpenClaw Ollama.

Häufige Fragen

Gibt es den Tag deepseek ohne Suffix?

In den hier gelesenen Bibliotheksseiten nicht. Die Startbefehle lauten deepseek-r1, deepseek-coder und deepseek-llm. Wer „ollama deepseek“ tippt, landet in der Regel bei R1; Coder und LLM bleiben eigene IDs.

Reicht ollama pull ohne run?

ollama run zieht und startet. ollama pull zieht nur. Die Bibliotheksbeispiele für Chat und CLI bleiben ollama run deepseek-r1. Ein Update eines älteren R1-Artefakts ist laut Readme derselbe Pull.

Warum antwortet die API leer?

Zuerst Serve und Tag prüfen (ollama list, ollama ps). Der Port bleibt 11434, beschrieben in Ollama Port 11434. Ohne laufenden Server liefert der Client keinen stillen Fallback.

Brauche ich Docker extra?

Nein für den Desktop- oder Linux-Dienst. Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Ist das ein zweiter Hardware-Kaufguide?

Nein. Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Fazit

„Ollama DeepSeek“ ist der Pull- und Start-Pfad: zuerst ollama run deepseek-r1, bei Bedarf Suffix für 1.5B bis 671B, Serve dauerhaft, Chat nativ auf /api/chat. Coder und LLM sind andere Einträge. Größen stammen aus der Bibliothek, nicht aus einer eigenen VRAM-Rechnung. Kein Ranking, keine Preise.