Cómo instalar y ejecutar DeepSeek R1 en una Raspberry Pi: guía completa y consejos prácticos

Si alguna vez has querido experimentar con modelos de inteligencia artificial en tu propia casa, probablemente te hayas topado con el nombre DeepSeek R1, un modelo open source revolucionario procedente de China que promete poner patas arriba el sector de la IA. Pero, ¿realmente puedes instalar y ejecutar DeepSeek en una Raspberry Pi como dicen por ahí? Ha habido mucho revuelo y titulares sensacionalistas, pero la realidad es algo más matizada y, sobre todo, fascinante para quienes disfrutan toqueteando el hardware.

La Raspberry Pi se ha convertido en una plataforma ideal para trastear con IA gracias a la aparición de versiones distiladas de modelos potentes como DeepSeek. Sin embargo, hay diversas cuestiones técnicas, limitaciones reales y trucos que debes conocer para que la experiencia no sea una auténtica pesadilla de lentitud o falta de memoria. En este artículo te lo contamos con TODO detalle, con instrucciones, aclaraciones sobre los diferentes modelos que puedes usar y los casos de uso realistas que funcionarán en tu Pi.

¿Qué es exactamente DeepSeek R1?

DeepSeek R1 es una familia de modelos de IA de código abierto, creada por una startup china con muy pocos recursos en comparación con gigantes como OpenAI, pero con resultados técnicos impresionantes. El modelo más grande supera las prestaciones de ChatGPT en varias métricas, pero, ojo, la versión «bestia» de 671B parámetros ocupa más de 400 GB y solo es viable en equipos con varias GPU de gama altísima.

Lo rompedor en DeepSeek es que han creado versiones destiladas, mucho más pequeñas y eficientes, que pueden ejecutarse en hardware modesto como una Raspberry Pi. Aunque estas versiones pierden capacidad en comprensión y generación de texto respecto al modelo original, resultan usables para determinadas tareas ligeras y aprendizaje experimental.

¿Por qué DeepSeek R1 ha generado tanto interés?

DeepSeek ha atraído la atención por ser open source y por permitir que cualquier usuario, con el equipo adecuado, pueda ejecutar modelos potentes en local, sin depender de la nube ni de servicios centralizados. Esto democratiza el acceso a la IA y permite explorar posibilidades en edge computing, domótica y educación. No obstante, la clave está en saber escoger la versión adecuada al hardware y entender lo que realmente se puede conseguir en una Raspberry Pi.

Diferencias entre modelos: ¿qué versiones de DeepSeek existen y cuáles puedes ejecutar en Raspberry Pi?

DeepSeek R1 dispone de modelos de diferentes tamaños: desde el original de 671B parámetros (imposible en una Raspberry) hasta las versiones destiladas de 1.5B, 7B, 8B y 14B. El modelo 1.5B ronda el giga de espacio y puede funcionar en cualquier Pi moderna; los de 7B y 8B requieren más memoria (al menos 8GB de RAM) y el de 14B solo es viable en la Raspberry Pi 5 de 16GB, si no quieres que el sistema se congele.

La «magia» de la destilación radica en reducir el tamaño y requisitos de hardware, a costa de sacrificar profundidad y precisión en las respuestas. De hecho, mientras el modelo grande rivaliza con ChatGPT, el pequeño 1.5B rinde de manera muy limitada en tareas complejas o de cultura general, aunque sigue valiendo para experimentos y automatización sencilla.

¿Qué resultados puedes esperar según el modelo y la Raspberry Pi?

• 1.5B parámetros: es la versión más ligera, puede correr en cualquier Raspberry Pi 5 (y en modelos 4, con algunas limitaciones). Genera unas 6-10 tokens por segundo, usa unos 3GB de RAM y el 100% de la CPU. Es «usable» solo para prototipos rápidos, experimentación educativa y tareas muy simples.
• 7B parámetros: necesita mínimo 8GB de RAM, la velocidad cae a 1-2 tokens por segundo y requiere unos 5GB de espacio en disco. Las respuestas son notablemente mejores, pero la lentitud lo hace poco práctico salvo para pruebas.
• 8B y 14B parámetros: solo recomendables si tienes una Raspberry Pi con 16GB de RAM. La velocidad y consumo de RAM son muy exigentes. Cualquier modelo por encima del 14B es irrealizable salvo con hardware mucho más potente.

En todos los casos, la experiencia será mucho más lenta que en tu portátil o PC con GPU dedicada, pero la satisfacción de tener una IA local que puedes controlar no tiene precio.

¿Realmente compiten los modelos pequeños con ChatGPT y OpenAI?

Una aclaración importante: lo que puedes ejecutar en tu Raspberry Pi NO es el mismo DeepSeek que puedes probar en la web o usar en la nube. Esa versión requiere GPUs de alto nivel y más de 400GB libres. Lo que se ejecuta en la Pi son versiones «recortadas». La diferencia en contenidos complejos, cultura general o generación de texto avanzado es abismal, aunque para pruebas, código sencillo y automatización casera, pueden funcionar razonablemente bien.

El modelo 1.5B puede dar respuestas curiosas, genéricas o incluso totalmente erróneas en temas culturales o de contexto amplio, porque sencillamente no tiene suficiente información en sus parámetros. Si lo usas para corregir código simple o tareas matemáticas básicas, puede ser útil, pero no esperes mantener una conversación brillante o resolver dudas existenciales.

Usos prácticos de DeepSeek en Raspberry Pi

Entonces, ¿para qué merece la pena instalar DeepSeek en una Raspberry Pi?

• Pruebas educativas: es ideal para aprender cómo funcionan los modelos LLM, practicar comandos y experimentar en local sin gasto adicional ni riesgos de privacidad.
• Automatización y domótica: los modelos ligeros pueden entender comandos sencillos o automatizar acciones en casa inteligente, siempre que no sean demasiado complejos.
• Generación y corrección de código: para tareas cotidianas y debugging en Python o scripts, pueden ser de ayuda. No van a competir con Copilot o soluciones comerciales, pero para pequeños proyectos pueden valer.
• Prototipado de edge AI: la posibilidad de tener modelos en dispositivos de bajo consumo abre la puerta a aplicaciones descentralizadas, aunque en la práctica, la lentitud puede ser un hándicap si buscas inmediatez.

Guía paso a paso para instalar DeepSeek R1 en tu Raspberry Pi

A continuación tienes una guía detallada, partiendo de cero, para tener tu propio modelo DeepSeek corriendo en la Raspberry Pi. Las instrucciones son aplicables tanto a Raspberry Pi 5 como a modelos previos, aunque cuanto más reciente y con más RAM, mejor experiencia tendrás.

Requisitos previos y recomendaciones

• Raspberry Pi 5 (se recomienda 8GB o mejor 16GB, aunque puedes probar en versiones 4 con 4GB, pero solo para el modelo 1.5B).
• Tarjeta microSD con Raspberry Pi OS 64 bits (Bookworm Lite es ideal por ser más ligero).
• Conexión a internet estable y alimentación confiable.
• Conocimientos básicos de terminal Linux.

1. Actualiza tu sistema

Abre la terminal y ejecuta:

sudo apt update && sudo apt upgrade -y

Esto garantizará que tienes los últimos paquetes y dependencias.

2. Instala curl y Ollama

Para descargar e instalar Ollama, la herramienta que permite usar modelos LLM locales, ejecuta:

sudo apt install -y curl
curl -fsSL https://ollama.com/install.sh | sh

Durante la instalación, probablemente recibirás un aviso de que no hay GPU detectada. No pasa nada: la Pi usará la CPU para ejecutar los modelos.

3. Descarga y ejecuta el modelo DeepSeek

Descarga y ejecuta el modelo DeepSeek 1.5B (el más ligero y recomendable en la mayoría de casos):

ollama run deepseek-r1:1.5b

Para los modelos de 7B o superiores, asegúrate de tener suficiente RAM y espacio libre.

4. Pruebas de velocidad y resultados reales

El modelo 1.5B respondió a la pregunta “¿por qué nieva?” en unos 9 segundos, generando 9 tokens por segundo aproximadamente.

El modelo 7B fue más lento (unos 2 tokens por segundo, más de 50 segundos para la misma respuesta). El 8B generó menos tokens, por eso fue algo más rápido, pero básicamente la experiencia es similar a la del modelo 7B.

El modelo 14B requiere sí o sí una Raspberry Pi 5 con 16GB de RAM, y aún así solo generará 1.2 tokens por segundo. Si no tienes suficiente RAM, el sistema devolverá errores y no podrás cargar el modelo.

5. Cómo acceder a una interfaz web para DeepSeek en tu Pi

Si prefieres una interfaz gráfica tipo chat y no limitarte al terminal, puedes montar un servidor web local usando Docker y OpenWebUI.

Instala Docker:

curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

Prepara Ollama para que pueda recibir peticiones externas:

sudo systemctl edit ollama.service

Añade este bloque dentro:

[Service]
Environment="OLLAMA_HOST=0.0.0.0"

Guarda los cambios y ejecuta:

sudo systemctl daemon-reload && sudo systemctl restart ollama

Despliega la interfaz web con Docker Compose:

mkdir -p ~/docker/openwebui
toca ~/docker/openwebui/compose.yaml

Ejemplo de compose.yaml:

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    volumes:
      - ./data:/app/backend/data
    ports:
      - 3000:8080
    extra_hosts:
      - host.docker.internal:host-gateway
    restart: unless-stopped

Entra en la carpeta y ejecuta:

docker compose up -d

Puedes acceder a la web desde http://[IP_de_tu_Pi]:3000 y crear tu usuario local. Desde ahí selecciona el modelo 1.5B de DeepSeek y empieza a conversar.

Consejos y advertencias sobre el uso de DeepSeek en Raspberry Pi

• No esperes resultados espectaculares con los modelos pequeños. Son ideales para experimentar, pero su potencia es limitada si necesitas respuestas profundas o contextos muy amplios.
• El uso de la CPU y RAM será elevadísimo. Es conveniente evitar ejecutar otros servicios simultáneamente.
• Utiliza sistemas operativos ligeros y prefiere trabajar sin interfaz gráfica (headless) para maximizar el rendimiento.
• Si eres valiente y te animas a conectar una GPU externa por USB, puedes acelerar mucho los tiempos de respuesta, aunque la configuración es avanzada y no siempre funciona perfecta en todos los modelos de Pi.
• La propia web de DeepSeek ofrece toda la documentación actualizada y modelos disponibles. Puedes consultarla en deepseek.com.

Comparativa con otros modelos de IA en la Raspberry Pi

Muchos artículos que aparecen en Google junto a DeepSeek hacen referencia a otros modelos open source, como Qwen, Llama o Vicuna. DeepSeek R1 destaca por ser «open weights» y, especialmente, por ofrecer versiones distiladas muy usables en hardware de bajo coste.

En pruebas con otras alternativas como Qwen2 14B, si usas una GPU dedicada, los resultados pueden superar los 20-50 tokens por segundo, pero en la Raspberry Pi 5 sin aceleración gráfica, DeepSeek y los modelos similares rinden igual, limitados siempre por la CPU.

Limitaciones y casos en los que DeepSeek no es la mejor opción

Si buscas una experiencia similar a ChatGPT, con respuestas ricas, contextos complejos y generación creativa, las versiones pequeñas de DeepSeek no te lo van a dar.

Además, cualquier modelo superior a 14B es simplemente inviable en Raspberry Pi, incluso en la 5 con 16GB de RAM, por falta de recursos. Si tu intención es montar un chatbot potente y rápido, valora usar tu PC o recurrir a servicios en la nube.

Más allá del hype: ¿merece la pena DeepSeek en Raspberry Pi?

La gran ventaja de DeepSeek es su carácter open source y la posibilidad de ejecutarlo en hardware que cabe en la palma de la mano. Si te gusta trastear, aprender y comprobar los límites del edge AI, instalar DeepSeek en una Pi es un excelente experimento.

No es la solución definitiva para domótica avanzada ni para asistentes inteligentes, pero sí una puerta de entrada a la IA casera, sin dependencias y totalmente bajo tu control. Si sabes lo que puedes esperar y te arremangas, puedes sacarle mucho juego, compartir proyectos y aprender mucho en el proceso.