DeepSeek 近期發布的DeepSeek-V3和DeepSeek-R1模型在人工智能領域引發巨大反響，其低成本高性能以及強大的推理能力，使其在多項評測中與頂尖閉源模型比肩甚至超越。尤其DeepSeek-R1開源了模型權重，並公開全部訓練技術，這在業界引發廣泛關注，也給Meta等公司帶來了巨大壓力。 Meta工程師甚至公開表示團隊處於恐慌狀態，並試圖複製DeepSeek的技術。
DeepSeek 近日推出的系列模型在全球AI 圈引發震動。 DeepSeek-V3 以低成本實現高性能，在多項評測中與頂尖閉源模型相當；DeepSeek-R1 則通過創新的訓練方式，讓模型展現出強大推理能力，性能對標OpenAI o1 正式版，還開源了模型權重，為AI 領域帶來新的突破和思考。
DeepSeek 還公開全部訓練技術。 R1 對標OpenAI 的o1 模型，後訓練階段大量用強化學習技術。 DeepSeek 稱，R1 在數學、代碼、自然語言推理等任務上與o1 相當，且API 價格不到o1 的4% 。
日前國外匿名職場社區teamblind 上一個Meta 員工匿名帖《Meta genai org in panic mode》特別火。 DeepSeek V3 推出使Llama 4 在基準測試中全面落後，Meta 生成式AI 團隊陷入恐慌。一家「不知名的中國公司」550 萬美元預算完成訓練打臉現有大模型。
Meta 工程師瘋狂拆解DeepSeek 試圖複製，而管理層焦慮如何向高層交代高昂成本，其團隊「領導者」薪水超DeepSeek V3 訓練成本就有數十人。 DeepSeek R1 的出現讓情況更糟，雖然有些信息還不能透露，但很快就會公開，到時候情況可能更加不利。
Meta 員工匿名帖譯文如下（由DeepSeek R1 翻譯）：
Meta 生成式AI 部門進入緊急狀態
這一切始於DeepSeek V3——它讓Llama 4 的基準測試成績瞬間顯得過時。更令人難堪的是，「一家不知名的中國公司僅用500 萬美元訓練預算」就實現瞭如此突破。
工程師團隊正瘋狂拆解DeepSeek架構，試圖複製其所有技術細節。這絕非誇張，我們的代碼庫正在經歷地毯式搜查。
管理層正為部門巨額開支的合理性焦頭爛額。當每位生成式AI部門的「領導者」年薪都超過DeepSeek V3 整個訓練成本，而這樣的「領導者」我們養著幾十個時，他們該如何向高層交代？
DeepSeek R1 讓局勢更加嚴峻。雖不能透露機密信息，但相關數據即將公之於眾。
本應是精幹的技術導向型團隊，卻因大量人員湧入爭奪影響力，導致組織架構被刻意膨脹。這場權力遊戲的結果？最終所有人都成了輸家。
DeepSeek 系列模型簡介DeepSeek-V3：是一個參數量為671B 的混合專家（MoE）語言模型，每個token 激活37B。它採用Multi-head Latent Attention（MLA）和DeepSeekMoE 架構，在14.8 萬億高質量token 上進行預訓練，經過監督微調與強化學習，在多項測評中超越部分開源模型，與GPT-4o、Claude 3.5 Sonnet 等頂尖閉源模型性能相當。訓練成本低，僅需278.8 萬H800 GPU 小時，約557.6 萬美元，且訓練過程穩定。
DeepSeek-R1：包括DeepSeek-R1-Zero 和DeepSeek-R1。 DeepSeek-R1-Zero 通過大規模強化學習訓練，不依賴監督微調（SFT），展現出自我驗證、反思等能力，但存在可讀性差和語言混雜問題。 DeepSeek-R1 在DeepSeek-R1-Zero 基礎上，引入多階段訓練和冷啟動數據，解決了部分問題，在數學、代碼、自然語言推理等任務上性能比肩OpenAI o1 正式版。同時，還開源了多個不同參數規模的模型，推動開源社區發展。
性能卓越：在多項基準測試中，DeepSeek-V3 和DeepSeek-R1 表現出色。如DeepSeek-V3 在MMLU、DROP 等評測中取得優異成績；DeepSeek-R1 在AIME 2024、MATH-500 等測試裡，準確率高，與OpenAI o1 正式版相當甚至在某些方面超越。
訓練創新：
DeepSeek-V3 採用無輔助損失的負載均衡策略和多Token 預測目標（MTP），減少性能下降，提高模型性能；使用FP8 訓練，驗證了其在大規模模型上的可行性。
DeepSeek-R1-Zero 通過純粹強化學習訓練，僅依靠簡單獎懲信號優化模型，證明了強化學習可提升模型推理能力；DeepSeek-R1 在此基礎上，利用冷啟動數據微調，提升模型穩定性和可讀性。
開源共享：DeepSeek 系列模型秉持開源理念，開源了模型權重，如DeepSeek-V3 和DeepSeek-R1 及其蒸餾的小模型，允許用戶通過蒸餾技術借助R1 訓練其他模型，推動AI 技術的交流與創新。
多領域優勢：DeepSeek-R1 在多個領域展現強大能力，在代碼領域，於Codeforces 平台評級高，超越多數人類參賽者；在自然語言處理任務中，處理各類文本理解和生成任務表現優秀。
性價比高：DeepSeek 系列模型API 價格親民。如DeepSeek-V3 API 輸入輸出價格遠低於同類模型；DeepSeek-R1 API 服務定價也具有競爭力，降低了開發者使用成本。
自然語言處理任務：包括文本生成、問答系統、機器翻譯、文本摘要等。例如在問答系統中，DeepSeek-R1 能理解問題，運用推理能力給出準確答案；在文本生成任務裡，可根據給定主題生成高質量文本。
代碼開發：幫助開發者編寫代碼、調試程序、理解代碼邏輯。比如開發者遇到代碼問題時，DeepSeek-R1 可分析代碼並提供解決方案；還能根據功能描述生成代碼框架或具體代碼片段。
數學問題求解：在數學教育、科研等場景，解決複雜數學問題。像DeepSeek-R1 在AIME 競賽相關題目中表現出色，可用於輔助學生學習數學、科研人員處理數學難題。
模型研究與開發：為AI 研究人員提供參考和工具，用於模型蒸餾、改進模型結構和訓練方法等研究。研究人員可基於DeepSeek 開源模型進行實驗，探索新的技術方向。
輔助決策：在商業、金融等領域，處理數據和信息，提供決策建議。例如分析市場數據，為企業製定營銷策略提供參考；處理金融數據，輔助投資決策。
訪問平台：用戶可登錄DeepSeek 官網（https://www.deepseek.com/），進入平台。
選擇模型：在官網或App 中，默認對話由DeepSeek-V3 驅動，點擊打開「深度思考」模式則是由DeepSeek-R1 模型驅動。若通過API 調用，根據需求在代碼中設置對應的模型參數，如使用DeepSeek-R1 時設置model='deepseek-reasoner'。
輸入任務：在對話界面輸入自然語言描述的任務，如「寫一篇愛情小說」「解釋這段代碼的功能」「求解數學方程」等；若使用API，按照API 規範構建請求，將任務相關信息作為輸入參數傳遞。
獲取結果：模型處理任務後返回結果，在界面上查看生成的文本、解答的問題等；使用API 時，從API 響應中解析結果數據進行後續處理。
結語DeepSeek 系列模型憑藉其卓越的性能、創新的訓練方式、開源共享的精神以及高性價比的優勢，在AI 領域取得了顯著成果。
如果你對AI 技術感興趣，不妨點贊、評論，分享你對DeepSeek 系列模型的看法。同時，持續關注DeepSeek 的後續發展，期待它為AI 領域帶來更多驚喜和突破，推動AI 技術不斷進步，為各個行業帶來更多變革與機遇。
DeepSeek的出現，為人工智能領域帶來了新的活力和競爭，其開源精神更是值得稱讚。未來，DeepSeek系列模型將在更多領域展現其強大的能力，讓我們拭目以待！