一、快速介绍

1.1 Deepseek 出圈由来

        1月27日，美国芯片巨头英伟达股价暴跌17%，市值跌去5900亿美元（约合人民币4.24万亿元）。这与来自中国的人工智能初创公司DeepSeek“现象级崛起”密切相关，“好用、免费、训练成本低”，擅长创意写作、一般问答、编辑、总结等。DeepSeek连续多日引发了全民关注，服务器还一度卡到宕机。

        登顶AI 大模型开源之最

1.2 Deepseek 出自哪里？

        来自杭州深度求索公司，系一家成立于2023年，使用数据蒸馏技术，得到更为精炼、有用的数据。由知名私募巨头幻方量化全资孕育而生，专注于开发先进的大语言模型（LLM）和相关技术。

1.3 Deppseek 为啥掀桌子？

        首先系体验更好。对于资本市场来说，DeepSeek更大的惊喜来自于它的推理成本大幅降低。一句话总结就是“训练大模型也可以省钱，且训练出来的质量及效果还非常厉害”。

deepseek-v3 的训练成本，假设 H800 的租赁价格为每 GPU 小时 2 美元

        有数据显示，最新版的推理大模型DeepSeek-R1，输入token定价为0.55美元/百万（OpenAI为15美元/百万），输出token为2.19美元/百万（OpenAI为60美元/百万），成本降低超90%。而此前DeepSeek-V3仅用550万元研发成本、2000张显卡打造，却达到与Llama 3 405B相媲美的性能，而OpenAI为了实现这一目标，花费了数亿美元。

---

二、为何出圈

2.1 出色推理性能体验

首先Deepseek是推理模型，先来看看Deepseek的发展构成：

分类	功能描述	补充
DeepSeek-R1-Zero	DeepSeek-R1-Zero 是一种通过大规模强化学习 (RL) 训练的模型，而不依赖监督微调 (SFT) 作为初步步骤。这种方法允许模型探索解决复杂问题的思路链 (CoT)	可读性差和语言混合
DeepSeek-R1	它在 RL 之前结合了多阶段训练和冷启动数据。DeepSeek R1 在推理任务上实现了与 OpenAI-o1-1217 相当的性能	深度思考 (R1)

DeepSeek-R1-Zero 与 OpenAI o1 模型在推理相关基准上的比较

DeepSeek-R1-Zero 在训练期间的 AIME 准确率。对于每个问题，我们抽样 16 个答案并计算总体平均准确率，以确保稳定的评估。

2.2 怎么做到又便宜又强大

        “AI 界拼多多”， 国产大模型DeppSeek-V3开源后刷屏，总训练成本557万美元，性能比肩GPT-4o。首先Deepseek 是MoE架构（Mixture of Experts 混合专家模型），它不是一个全才大模型，而是一个各领域专家大模型。DeepSeek 重点在工程实现了创新，通过高效的模型设计、数据优化、分布式训练、硬件利用、训练策略优化、开源工具使用和算法创新，显著降低了训练成本，同时保持了较高的模型性能。具体策略如下：

        MLA 通过大幅减少生成的 KV 缓存来确保高效推理，而 DeepSeekMoE 则通过稀疏架构以经济的成本训练出强大的模型。

成本下降情况：

1. Llama 3 405B 在多达16000 H100GPU上进行训练，成本大约是Llama3.1的 1/10 左右
2. Deepseek 在2048块H800训练2个月，成本大约是GPT-4o 的 1/20 左右

2.3 对未来影响

• 重塑AI 大模型训练成本，让更多用户用得起高质量大模型；
• 倒逼各大厂商优化工程链路，不止追求理论创新，也要重视工程实现；
• 会让更多中小企业参与AI 大模型建设、使用上；

        

---

三、性能表现

3.1 综合能力表现

3.2 多任务 Benchmark 表现

3.3 各大模型按总排名

---

四、如何使用

4.1 快速使用

4.1.1 电脑端

官网链接：DeepSeek。登录后，开箱即用~

 

4.1.2 移动端

可在应用商店快速安装、使用

4.1.3 代码开源

地址：DeepSeek · GitHub

4.2 个人体验

擅长的地方：

1. 自然语言处理：能够理解和生成自然语言文本，适用于对话、翻译、摘要生成等任务。

2. 信息检索：快速从大量数据中检索相关信息，适用于问答系统和知识查询。

3. 数据分析：能够处理和分析结构化数据，提供数据洞察和预测。

4. 自动化任务：可以自动化处理一些重复性任务，如日程安排、邮件回复等。

5. 多语言支持：支持多种语言，能够进行跨语言的交流和翻译。

不擅长的地方：

1. 复杂推理：在处理需要深度逻辑推理或创造性思维的任务时，可能表现不如人类专家。

2. 情感理解：虽然能够识别一些情感线索，但在深入理解和回应复杂情感方面仍有局限。

3. 实时更新：知识截止日期为2024年7月，无法提供此后的实时信息或事件。

4. 专业领域知识：在某些高度专业化的领域（如医学、法律等），可能需要结合专业人员的判断。

5. 道德和伦理判断：在处理涉及道德和伦理的复杂问题时，可能缺乏足够的判断力。

总体而言，DeepSeek-V3在多个通用任务上表现出色，但在需要深度专业知识和复杂情感理解的任务上仍有提升空间。

项目	deepseek	豆包	文心一言	kimi	元宝
厂家	深度求索	字节	百度	月之暗面	腾讯
新闻搜索
数学计算	正确	正确	无法解题	正确	理解题目错误
英语翻译
中文逻辑	回答正确	回答正确	回答错误	回答正常	回答错误
代码code	直接有运行按钮		效果一般

参考链接1：DeepSeek-R1/DeepSeek_R1.pdf at main · deepseek-ai/DeepSeek-R1 · GitHub

参考链接2：GitHub - deepseek-ai/DeepSeek-V2: DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model

参考链接3：HAI-LLM：高效且轻量的大模型训练工具