DeepSeek（深度求索）：把工程效率做成护城河
如果只记一件事：DeepSeek 的强不在于它有多少参数，而在于它总能用更少的算力做出同级别的效果，并且愿意把关键技术公开。
| 厂商 | 杭州深度求索人工智能基础技术研究有限公司，由幻方量化孵化，2023 年 7 月成立 |
| 当前主力 | deepseek-v4-pro、deepseek-v4.1-flash（1M 上下文，393K 最大输出） |
| 开放权重 | DeepSeek-V3 / V3.2-Exp、R1 与蒸馏系列、DeepSeek-OCR(-2)、Math-V2、Prover-V2 等 |
| 如何使用 | 官方 API（platform.deepseek.com），或通过百炼、硅基流动、快手万擎等平台调用 |
| 标签 | MLAMoEFP8 训练GRPO开源基建 |
一、厂商与背景
DeepSeek 的出身在国产大模型里很特别：它不是互联网大厂，也不是学院派创业公司，而是量化基金幻方量化孵化的团队。量化出身的烙印体现在两件事上——对算力成本的极度敏感，以及对工程细节的执念。
2025 年 1 月 R1 发布后，DeepSeek 一夜之间成为全球话题：一个资源远少于美国巨头的团队，做出了接近当时顶级的推理模型，并且把权重公开。后续它与美国头部模型的能力差距被反复讨论，但更持久的遗产是：它证明了「训练与推理的效率优化」本身就是核心竞争力，而不只是堆卡。
另一个容易被忽略的特点是它的开源结构：模型权重与底层基建同时开放。DeepGEMM、DeepEP、DualPipe、FlashMLA、3FS、DeepSelect 这些听起来很硬核的仓库，解决的是「怎么让 MoE 训练与推理更便宜」的问题，被大量国内外团队直接复用。
二、模型家族时间线
| 时间 | 模型 | 关键点 |
|---|---|---|
| 2023-11 | DeepSeek LLM 67B / Coder / Math | 第一代基座，代码与数学方向单独出系列 |
| 2024-05 | DeepSeek-V2 | 提出 MLA + DeepSeekMoE，推理成本大幅下降 |
| 2024-12 | DeepSeek-V3 | 671B 总参数 / 37B 激活，FP8 混合精度训练，开源权重 |
| 2025-01 | DeepSeek-R1 / R1-Zero | 用纯强化学习激发长链推理，附带 1.5B～70B 蒸馏家族 |
| 2025-03 | V3-0324 等版本迭代 | 同底座持续后训练升级，工程收益明显 |
| 2025 | V3.1 / V3.2-Exp | 引入稀疏注意力（DSA）方向，探索长上下文降本 |
| 2025—2026 | DeepSeek-OCR / OCR-2、Math-V2、Prover-V2 | 垂直能力强化的开源模型，OCR 走「视觉压缩文本」路线 |
| 2026 | V4 系列（v4-pro / v4-flash / v4.1-flash） | 百万级上下文、39 万级最大输出，API 形态为主 |
可以清楚看到一条主线：底座迭代 + 后训练滚动升级。DeepSeek 很少为了发新名字而重训底座，更多是在同一底座上持续做后训练与推理优化，这也是它成本低的原因之一。
三、四个关键技术
1. MLA：把 KV 缓存压下去
Transformer 推理时最占显存的是 KV 缓存，序列越长越夸张。MLA（Multi-head Latent Attention）把每个头的键值投影压缩到一个低维潜空间里，推理时再还原。结果是同样的显存能装下更长的上下文、更高的并发——这是 DeepSeek 能把 API 价格压到很低的技术前提。
2. MoE：总参数很大，激活参数很小
V3 的 671B 参数分散在上百个专家里，每次前向只激活约 37B。加上辅助损失与专家负载均衡（EPLB 就是为解决这个问题开源的），既保住了大模型的容量，又让单次推理的算力可控。
3. FP8 训练：用半精度换吞吐
V3 是较早把 FP8 混合精度训练做到大规模可用的工作：相比 BF16，同样的卡能训练更大的模型、更快的速度，代价是要精细处理数值稳定性。这件事后来被不少团队跟进。
4. GRPO 与纯 RL：R1 的核心
R1-Zero 的实验很反直觉：不先做大量监督微调，直接用强化学习（GRPO）训练，模型自己涌现出反思、验算、换解法等长链推理行为。R1 则在此基础上补了冷启动数据让输出更可读。这条路线后来几乎成了「推理模型」的标准配方。
四、怎么用、多少钱
API 调用：官方平台直接提供，OpenAI 兼容协议可以平滑迁移。云平台上也有托管版本，例如阿里云百炼上的 deepseek-v4-pro、deepseek-v4.1-flash、deepseek-v3.2，以及硅基流动、快手万擎等第三方托管。
价格锚点（百炼刊例价，2026-09，元/百万 tokens）：deepseek-v4-pro 输入 12 / 输出 24 / 缓存命中 1；上下文 1M，最大输出 393K，支持缓存、函数调用、联网搜索、结构化输出。
本地部署：开源权重里，R1 蒸馏版（1.5B / 7B / 14B / 32B）可以单卡甚至消费级显卡跑；原版 V3 级别的 MoE 需要多机多卡，一般企业不会自建。工程上建议用 vLLM、SGLang 这类推理引擎，并按官方模型卡的并行建议配置。
许可证：官方开源模型通常附带专门的使用许可（允许蒸馏与商用，但有命名与责任条款），落地前请逐条阅读模型卡。
五、适合与不适合
| 适合 | 不适合 / 要小心 |
|---|---|
| 数学、算法、代码这类有明确对错的任务；需要长链推理的场景；对成本极敏感的高并发业务；需要自建部署的团队 | 需要极强创意文案与文风的场景（中文语感各家差异大，建议实测）；对「必须不出现事实错误」的合规场景（任何大模型都需要外部校验）；需要超长输出的批处理（39 万输出上限意味着账单也会很可观） |
和邻居比一比
- 对比 Qwen：Qwen 的尺寸谱系与多模态覆盖更全，生态里现成微调与工具更多；DeepSeek 在推理与成本效率上更锋利。
- 对比 Kimi K3：K3 是 2.8T 级、原生多模态、面向长程智能体；DeepSeek 的 API 价格通常更低，适合当「主力劳力」而不是「全能专家」。
- 对比 GLM-5.3：GLM 把「编码智能体」当作主战场，官方直接对标终端任务；DeepSeek 更强调通用推理与推理成本。
本页整理于 2026-09。参考来源包括 DeepSeek 官方开源仓库（DeepSeek-V3、DeepSeek-R1、DeepSeek-V3.2-Exp、DeepSeek-OCR、FlashMLA、DeepEP、DeepGEMM、DeepSelect 等）与阿里云百炼模型目录。具体版本、价格以官方为准。