日本語対応のDeepSeek R1をローカルで Ollama や LM Studioで使ってみる

#AI

2025.01.28

1. はじめに

サイバーエージェントさんがDeepSeekに日本語データを追加学習したLLMを公開されました。
早速、それほど高性能ではないPCを使ってローカルで動かしてみます。

2. 検証PCのスペック

Operating System: Windows 11 Pro 64-bit (10.0, Build 26100) (26100.ge_release.240331-1435)
Processor: 12th Gen Intel(R) Core(TM) i7-12700H (20 CPUs), ~2.7GHz
Memory: 32768MB RAM
Card name: NVIDIA RTX A2000 8GB Laptop GPU

3. 利用モデル

次の14Bモデルを量子化したモデルを利用させていただきます。

Q4_K_M
Q5_K_M
Q8_0

https://huggingface.co/bluepen5805/DeepSeek-R1-Distill-Qwen-14B-Japanese-gguf

4. LM Studioによる動作確認

4.1. 【検証1】日本一高い山の名称と標高を教えてください

Q4_K_M　(1分11秒)

日本の最高峰は「富士山（ふじさん）です。標高は3,776メートルとされます。

補足情報

測量の歴史: 国土地理院が2013年に実施した詳細な調査では、富士山の頂点（神社側経路での最高峰地点）は約3,776mと算出されました。ただし、過去には地震や地形変動による微小な違いが報告されることもあります。文化的背景: 富士山は「日本百名山」の第1位に選定され、神聖な山として崇拝されています。登山道（富士宮ルート）では本宮神社から頂上まで約4.6キロメートルを歩きます。地形図との関係: 過去には「富士の剣釡」付近で標高測定方法に議論が起きたこともあり、厳密な数値は科学技術の進歩により微調整される可能性があります。

Q5_K_M (1分6秒)

日本で最も高い山は富士山（ふじさん） です。
その標高は、国土地理院が2017年に測定した結果に基づき 3,776.24メートル とされています。

補足情報

「海抜」か「基面」で変わる理由 : 富士山の標高には「海抜」と「基面（富士山頂から山麓までの垂直距離）」の解釈があります。一般的に「海抜」が使われますが、測定方法や参照点によって数値にわずかな差が出ることがあります。

伝統的な認識 : かつては3,782メートルとされていたことが多く、富士山頂には「標高3,780mの看板 」が残っています。

話題

近年では「富士山＝世界文化遺産（ユネスコ） 」として登録されている点や、「富士五湖 」へのアクセスなど、観光資源としても有名です。
公式情報は国土地理院のデータが最も正確ですので、旅行計画や学

他の主要山としては：

立山（りゅうせん） ：標高2,953m

槍ヶ岳（やりがたけ） ：標高3,180m
があります。

4.2. 【検証2】フィボナッチ数列のn番目を求めるPython関数

Q4_K_M (1分52秒)

フィボナッチ数列のn番目を求めるPython関数を、以下のように実装できます。効率性を考慮したイテレーティブ（ループ処理）方式と、再帰的な方法の2つのバリエーションを提示します。

バリエーション1: イテレーティブ（O(n)時間計算量）
def fibonacci_iterative(n):
    """
    イテレーティブ方式でフィボナッチ数を計算

    Args:
        n (int): 0から始まるインデックスの整数

    Returns:
        int: F[n]
    """
    a, b = 0, 1
    if n == 0:
        return a
    for _ in range(1, n):
        a, b = b, a + b
    return b
バリエーション2: 再帰的（O(2^n)時間計算量）注意事項：**

負のnまたは非整数に対してはエラーを発生させます

大規模なn（例: n=10^6）でも効率的に計算できます

イテレーティブと矩形行列法はO(n)とO(log n)の時間計算量ですが、実際には定数係数が異なるため最適化が必要です

最適化例：
def fibonacci_optimized(n):
    if n < 0:
        raise ValueError("n must be a non-negative integer")
    elif n in (0, 1):
        return n

    a, b = 1, 0  # F2 = 1
    for _ in range(2, n+1):
        a, b = a + b, a
    return b

Q8_0 (4分54秒)

以下はフィボナッチ数列の第n項目を求めるPython関数です。効率的な反復法（O(n)計算量）を使用した実装です。
def fibonacci(n):
    if n < 0:
        raise ValueError("n must be a non-negative integer")

    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b

    return a

# 使用例
print(fibonacci(0))   # 0
print(fibonacci(1))   # 1
print(fibonacci(2))   # 1
print(fibonacci(3))   # 2
print(fibonacci(4))   # 3
特徴と注意点：

エラーハンドリング : 負の数を入力するとValueErrorを発生

計算量 : O(n)時間計算量（nが大きい場合は別のアルゴリズムを推奨）

メモ効率 : O(1)空間計算量で実装

代替アルゴリズム候補：

ビネの公式 （O(log n)計算量）：正確性に注意が必要

行列分解 ：高速な再帰的な方法

動的計画法 ：メモ化を活用したループ法

Q4_K_M 　(1分52秒)

フィボナッチ数列のn番目を求めるPython関数を、以下のように実装できます。効率性を考慮したイテレーティブ（ループ処理）方式と、再帰的な方法の2つのバリエーションを提示します。

バリエーション1: イテレーティブ（O(n)時間計算量）
def fibonacci_iterative(n):
    """
    イテレーティブ方式でフィボナッチ数を計算

    Args:
        n (int): 0から始まるインデックスの整数

    Returns:
        int: F[n]
    """
    a, b = 0, 1
    if n == 0:
        return a
    for _ in range(1, n):
        a, b = b, a + b
    return b
バリエーション2: 再帰的（O(2^n)時間計算量）
from functools import lru_cache

@lru_cache(maxsize=None)
def fibonacci_recursive(n):
    """
    再帰方式でフィボナッチ数を計算（メモ化付き）

    Args:
        n (int): 0から始まるインデックスの整数

    Returns:
        int: F[n]
    """
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fibonacci_recursive(n-1) + fibonacci_recursive(n-2)
テストケース（共通
test_cases = [
    (0, 0),   # F0=0
    (1, 1),   # F1=1
    (2, 1),   # F2=1
    (5, 5),   # F5=5
    (6, 8)    # F6=8
]

for n, expected in test_cases:
    assert fibonacci_iterative(n) == expected
    assert fibonacci_recursive(n) == expected
特徴比較 nが大きい値を扱う場合は、イテレーティブ方式か、更に高速化するためにはマトリックス法やビネの近似式など他のアルゴリズムを検討してください。

5. まとめ

ひとまず、低スペックPCでも量子化したDeepSeek R1の日本語データ追加学習モデルが動作することを確認しました。日本語の処理もそれほどおかしくはなさそうです。

回答の内容の正誤詳細は確認していません。

また、オリジナルのDeepSeekでは回答されないような中国国内の事件に関する情報も回答できていました。