DeepSeek 由杭州深度求索人工智能基礎技術研究有限公司開發，這家公司在量化對沖基金幻方量化的支持下于 2023 年 7 月 17 日在杭州市拱墅區登記成立。公司核心團隊匯聚了人工智能等領域的專業精英，他們在學術研究和產業實踐方面都有著深厚的積累，為 DeepSeek 的發展奠定了堅實基礎。
自成立以來，DeepSeek 發布了多款極具影響力的語言模型：
- DeepSeek Coder：2023 年 11 月 2 日發布，由一系列代碼語言模型構成，在 2 萬億 token 上完成訓練，其中代碼數據占比 87%，擁有從 1B - 33B 不同版本。它支持項目級的代碼補全與填充，在多種編程語言和基準測試中展現出開源代碼模型的先進性能，是開發者在代碼編寫過程中的得力助手。
- DeepSeek LLM：2024 年 1 月 5 日發布，包含 670 億參數，在 2 萬億 token 數據集上訓練，涵蓋中英文。該模型在推理、編碼、數學以及中文理解等方面能力出色，在匈牙利國家高中考試中取得 65 分成績，尤其在中文表現上超越了 GPT - 3.5，展現出強大的語言處理能力。
- DeepSeek Math：2024 年 2 月 5 日發布，以 DeepSeek - Coder - v1.5 7B 為基礎，在 5000 億 token 數學相關數據上進行預訓練。在競賽級 MATH 基準測試中取得 51.7% 的成績，性能接近 Gemini - Ultra 和 GPT - 4，在數學領域表現卓越。
- DeepSeek - VL：2024 年 3 月 11 日發布，是開源視覺 - 語言模型，采用混合視覺編碼器，能夠處理高分辨率圖像，在廣泛的視覺 - 語言基準測試中性能先進或極具競爭力，為多模態應用提供了有力支持。
- DeepSeek - V2：2024 年 5 月 7 日發布，擁有 2360 億參數，中文綜合能力在眾多開源模型中表現最強，英文綜合能力與 LLaMA3 - 70B 處于同一梯隊，且訓練效率高，在語言處理的綜合能力上優勢明顯。
- DeepSeek - Coder - V2：2024 年 6 月 17 日發布，是開源混合專家代碼語言模型，從 DeepSeek - V2 中間檢查點開始，進一步在 6 萬億 token 上進行預訓練，編碼和數學推理能力得到增強，支持 338 種編程語言，上下文長度擴展到 128K，極大地拓展了代碼處理的范圍和能力。
- DeepSeek - V2.5：2024 年 9 月 5 日發布，由 DeepSeek Coder V2 和 DeepSeek V2 Chat 合并升級而來，在評測中與 GPT - 4 - Turbo 等閉源模型處于同一梯隊，英文綜合能力與 LLaMA3 - 70B 相當，在寫作任務、指令跟隨等多個方面都進行了優化，提升了用戶體驗。
- DeepSeek - VL2：2024 年 12 月 13 日發布，是大型混合專家視覺 - 語言模型，在視覺問答、光學字符識別等多種任務中展現出卓越能力，擁有 DeepSeek - VL2 - Tiny、 - Small 和無后綴三個變體，滿足不同場景需求。
- DeepSeek - V3：2024 年 12 月 26 日發布，是 6710 億參數的混合專家模型，激活參數 370 億，在 14.8 萬億 token 上預訓練。多項評測成績超越 Qwen2.5 - 72B 和 Llama - 3.1 - 405B 等開源模型，在知識類任務上的能力顯著提升，展現出強大的知識儲備和處理能力。
- DeepSeek - R1：2025 年 1 月 20 日發布，在數學、代碼、自然語言推理等任務上性能與 OpenAI o1 正式版相當，通過大規模強化學習和冷啟動技術，專注于推理和多模態任務，為用戶帶來全新的智能體驗。
- Janus - Pro：2025 年 1 月發布，作為多模態大模型進軍文生圖領域，為圖像生成帶來新的技術突破。
在眾多產品中，我們重點聚焦于 DeepSeek - R1，深入探索其獨特之處。
DeepSeek - R1 的發布歷經關鍵節點。2024 年 11 月 20 日，DeepSeek - R1 - Lite 預覽版上線網頁端，提前向用戶展示了部分功能。2025 年 1 月 20 日，DeepSeek 正式發布 DeepSeek - R1 模型，并同步開源模型權重，為全球開發者和研究人員提供了深入研究和應用的機會。
DeepSeek - R1 采用深度 Transformer 架構，以 DeepSeek - V3 - Base 模型為基礎，通過使用 V3 的數十億參數的密集 Transformer Base 子模型進行初始化，確保了模型具備強大的基礎能力。同時，利用自研的 “群組相對策略優化”（GRPO）算法進行強化學習訓練，這種創新的算法為模型的優化和性能提升提供了關鍵支持。
其訓練流程采用多階段逐步增強策略：
- 冷啟動監督微調：為模型奠定初始的知識和能力基礎，使其能夠初步理解和處理任務。
- 第一階段強化學習：通過強化學習進一步優化模型，提升其在特定任務上的表現。
- 拒絕采樣與二次監督微調：對模型的輸出進行篩選和優化，再次通過監督微調提升模型性能。
- 第二階段強化學習：經過多輪優化后，使模型在各種任務中達到更優的性能表現。
DeepSeek - R1 通過強化學習訓練，在推理過程中包含大量反思和驗證環節，思維鏈長度可達數萬字。這使得它在數學、代碼以及各種復雜邏輯推理任務上，取得了媲美 OpenAI o1 - preview 的推理效果，并且能為用戶展示 o1 沒有公開的完整思考過程，幫助用戶更好地理解和應用推理結果。
DeepSeek - R1 直接面向用戶和開發者，提供了豐富的應用場景。在智能對話方面，它能夠與用戶進行自然流暢的交流，解答各種問題；文本生成功能可用于創作文章、故事、報告等多種文本類型；語義理解能力使其能夠準確把握用戶輸入的含義，為后續處理提供準確依據；計算推理可解決各類數學和邏輯問題；代碼生成補全則為開發者在編寫代碼時提供高效支持。
它支持聯網搜索與深度思考模式，能夠快速獲取互聯網上的信息并進行深入分析。同時支持文件上傳，可掃描讀取各類文件及圖片中的文字內容，實現對多源數據的處理和分析。
- 生活場景：
- 生活助手：無論是制定旅行攻略，還是翻譯菜單、學習地方麻將規則，DeepSeek - R1 都能提供詳細準確的幫助。
- 人生決策輔助：通過分析用戶提供的信息，如個人經歷、興趣愛好等，為用戶在事業選擇、學業規劃等方面提供有價值的建議和決策參考。不過，需要注意的是，根據生辰八字分析運勢這類內容目前更多是基于娛樂層面，缺乏科學依據。
- 創意創作：網文作者可以借助它實現快速寫作，激發創作靈感，豐富故事情節。網友開發的 “AI 對聯生成” 等玩法，也為生活增添了不少樂趣。
- 工作場景：
- 科創情報分析：智慧芽接入 DeepSeek - R1 后，能夠幫助用戶更精準快速地獲取專利、論文等多維度科創信息，深入分析技術演進邏輯和競爭格局，從而優化知識產權布局，助力科技創新發展。
- 醫療輔助：智云健康將 DeepSeek - R1 接入其醫療 AI 系統 “智云大腦”，可以提升醫院和藥店 SaaS 的慢病管理效率，為醫療健康領域提供智能化支持。
- 證券金融：雖然不能完全準確預測股市走勢，但可以分析金融數據，為投資者提供一定的參考，幫助投資者做出更合理的決策。
- 學習場景：
- 數學問題求解：能夠解決高中及以上難度的數學問題，并展示詳細的解題步驟，幫助學生理解數學原理，提升學習效果。
- 編程輔助：在編程過程中，可根據需求編寫 Python 腳本，進行代碼生成、代碼糾錯等任務，提高編程效率。
- 語言學習：支持語言翻譯、語法講解、語言表達潤色等功能，輔助用戶學習各種語言，提升語言能力。
- 通用場景：
- 信息檢索與整合：具備類似 ChatGPT 的網絡搜索功能，能夠快速檢索和整合互聯網上的信息，為用戶提供全面準確的答案，滿足用戶對各類知識的需求。
- 文本處理與分析：可以對輸入的文本進行理解、分析、總結、生成等操作，例如對 PDF 文件內容進行提取和分析，幫助用戶快速獲取關鍵信息，提高工作和學習效率。
DeepSeek - R1 憑借其強大的性能和豐富的功能，在多個領域展現出巨大的應用潛力，為人們的生活、工作和學習帶來了更多便利和創新可能。
