---

前言

DeepSeek‌

  在今年的春节期间，DeepSeek火出了圈。凭借创新技术和卓越表现，迅速成为了行业内外的焦点。不管是技术专家还是普通用户，都对DeepSeek赞不绝口。它最大的特点是开源、使用成本低，在有限算力的条件下，通过算法创新同样能够实现接近的性能，为中国AI产业提供了宝贵的经验。

ai.com 这个域名之前跳转的是 ChatGPT，现在跳到 DeepSeek，可知 DeepSeek 的火爆程度。也从侧面反映了DeepSeek在全球范围内的影响力。

---

一、DeepSeek是什么

1. 简介

  DeepSeek 是国内一款开源的大模型，主打通用 AI 能力，类似于 OpenAI 的 GPT 系列，目标是打造国产的、强大的、开放的大语言模型。

LLM（Large Language Model，大语言模型）‌是指使用大量文本数据训练的深度学习模型，能够生成自然语言文本或理解语言文本的含义。
LLM的核心思想是通过大规模无监督训练学习自然语言的模式和结构，模拟人类的语言认知和生成过程‌。

2. 产品模式

1. 模式

DeepSeek提供了两种不同模式，以满足用户在不同场景下的需求。

1. 通用模型： 高效便捷，适用于绝大多数“规范性”任务，如用于快速获取百科信息。一般侧重于语言生成、上下文理解、文本分类、翻译和自然语言处理。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推理模型那样复杂的推理和决策能力。

例如：DeepSeek-V3、GPT-4o（OpenAI）。

2. 推理模型

推理模型： 擅长解决复杂推理和深度分析等“开放性”任务，如数理逻辑推理和辅助编程。侧重于强化推理、逻辑分析、决策能力和实时问题解决的模型。具备额外的技术，比如强化学习、神经符号推理等，来增强其推理和问题解决能力。

例如：DeepSeek-R1、OpenAI-o1。

维度	推理模型	通用模型
优势领域	数学推导、逻辑分析、代码生成、复杂问题拆解	文本生成、创意写作、多轮对话、开放性问答
劣势领域	发散性任务（如诗歌创作）	需要严格逻辑链的任务（如数学证明）
性能本质	专精于逻辑密度高的任务	擅长多样性高的任务
强弱判断	并非全面更强，仅在其训练目标领域显著优于通用模型	通用场景更灵活，但专项任务需依赖提示语补偿能力

2. 版本

DeepSeek 主要有以下几个大模型：

• DeepSeek R1
• DeepSeek V3
• DeepSeek Coder V2
• DeepSeek VL
• DeepSeek V2
• DeepSeek Coder
• DeepSeek Math
• DeepSeek LLM

以 DeepSeek-R1 为例，满血版本为：671B，性能最强，也就是官网部署的版本。还有几个蒸馏版本：

B 则是指 Billion 十亿

• 1.5B 有 15 亿个参数；
• 671B 是 6710 亿个参数。

什么是蒸馏？
机器学习（ML）中的模型蒸馏是一种用于将知识从大型复杂模型（通常称为教师模型）转移到较小、更简单模型（称为学生模型）的技术。
目标是创建一个更小、更高效的版本，保留大模型的大部分性能，同时在计算资源、内存使用和推理速度方面更高效。为企业级应用提供了更实用的解决方案。

蒸馏模型是通过使用DeepSeek-R1生成的800K个推理数据样本对较小的基础模型进行微调（如Qwen和Llama系列），发布了DeepSeek-R1-Distill系列模型。
蒸馏过程涉及对推理数据的监督微调（SFT），但不包括额外的强化学习（RL）阶段。这使得该过程对于较小的模型来说更高效、更容易实现。

3. 参数规模与模型能力

1. 参数规模

模型规格后面的数字代表模型的参数规模，表示模型的复杂度和学习能力，参数规模越大，通常理解和生成能力越强。

参数规模与模型能力成正比，一般来说：

• 参数规模越大： 代表模型越聪明，对复杂问题的处理能力越强，生成内容的质量越高，但对算力和硬件资源的要求也越高。
• 参数规模越小： 代表模型越轻量化，对算力和硬件的要求越低，适合资源受限的设备。

2. 模型能力

DeepSeek-R1 系列模型的规格划分主要是为了适应不同场景的需求，从小到大覆盖了轻量化应用到高算力推理的各种场景。在实际应用中，我们需要根据算力、成本、业务需求等综合因素来选择合适的模型。适合自己的，才是最好的！

• 1.5B - 14B：轻量级模型，适合基础任务（文本生成、简单问答）。
• 32B - 70B：中等规模，平衡性能与资源消耗，适合复杂任务（逻辑推理、代码生成）。

不同模型规格，需要的硬件配置，以下可供参考：

• 1.5B：CPU最低4核，内存8GB+，硬盘3GB+存储空间，显卡非必需，适合低资源设备部署等场景。

• 7B：CPU 8核以上，内存16GB+，硬盘8GB+，显卡8GB+显存，可用于本地开发测试等场景。

• 8B：硬件需求与7B相近略高，适合需更高精度的轻量级任务。

• 14B：CPU 12核以上，内存32GB+，硬盘15GB+，显卡16GB+显存，可用于企业级复杂任务等场景。

• 32B：CPU 16核以上，内存64GB+，硬盘30GB+，显卡24GB+显存，适合高精度专业领域任务等场景。

• 70B：CPU 32核以上，内存128GB+，硬盘70GB+，显卡需多卡并行，适合科研机构等进行高复杂度生成任务等场景。

3. 特征

1. 技术突破

DeepSeek 之所以能迅速崛起，主要是因为在技术上有一些独特的优势。

DeepSeek 采用了 Mixture of Experts（MoE，混合专家模型），这一架构让它可以在计算资源相对有限的情况下，仍然保持高性能，实现了它对 OpenAI 的弯道超车。

混合专家模型（MoE，Mixture of experts）是一种机器学习方法，它将人工智能（AI）模型划分为单独的子网络（或 专家 experts），每个子网络专攻输入数据的一个子集，以共同执行任务。
核心思想是，不是所有参数都在每次推理时被激活，而是只有一部分专家在工作，这样可以减少计算成本，同时提高模型的推理效率。也就是说，它通过选择性地激活特定任务所需的特定专家来实现这种效率，而不是为每个任务激活整个神经网络。

2. 性价比

从技术演进的角度来看，DeepSeek V3 和 R1 的成功为AI发展的新方向指明了道路。在追求模型性能的同时，效率优化将成为未来竞争的关键。

据官方技术论文披露，DeepSeek-V3在预训练阶段仅使用2048块GPU训练了2个月，花费557.6万美元，而GPT-4o的训练成本估计高达数亿美元，马斯克的Grok3更是动用了20万块H100集群。

相比于 OpenAI 的 Transformer 模型架构，DeepSeek 的 MoE 版本可以用更少的计算量，获得接近的性能。如下是在多个评价基准方面，与OpenAI-o1（mini）的性能对比：

3. 开源

DeepSeek-R1 在全球范围内引发巨大轰动，不仅源于其技术突破，更在于其与 OpenAI 的对比。相较之下，DeepSeek-R1 揭开了 o1 的神秘面纱，开源了这类强推理模型背后的关键技术，既促进了行业的快速发展，也对 OpenAI 的闭源策略形成了有力冲击。

对比项	DeepSeek	OpenAI
是否开源	✅ 开源	❌ 闭源
中文优化	✅ 很强	✅ 强
代码能力	✅ 强	✅ 更强
推理速度	✅ 轻量级 MoE 优势	❌ 需要更大计算资源
本地部署	✅ 可以	❌ 不能
使用限制	✅ 自由可商用	❌ 需要付费 API 访问

4. 优势

DeepSeek 的最大优势是 开源 、高性价比、 中文优化好，适合 本地部署 和 企业使用，尤其适合 中文 AI 应用 的场景。

4. 三种访问方式

DeepSeek的R1和V3模型现已在网页端、APP，以及API上全面推出，为用户提供多样化的访问途径。这三种访问方式各具特色，适用于不同的使用场景。

DeepSeek的网页端是一个用户友好的在线平台，用户只需通过浏览器即可轻松访问。该平台设计直观，即使是非技术背景的用户也能迅速上手，享受DeepSeek带来的便捷服务。

专为移动设备打造的DeepSeek APP，则让用户体验更加便捷和个性化。用户可以在智能手机或平板电脑上安装并使用该APP，随时随地访问DeepSeek平台，享受与网页端相似，但更加贴合移动场景的功能和服务。

同时，DeepSeek还为开发者提供了强大的API工具。通过API，开发者可以轻松地将DeepSeek平台的功能集成到自己的应用程序或系统中，实现与平台的无缝对接。利用DeepSeek提供的各种算法和模型，开发者可以高效地处理数据、生成对话、实现其他创新功能。

DeepSeek的API也是大语言模型（LLM）的三板斧，
CoT（思维链）、Prompt Engineering（提示工程）、Function Calling（函数调用）。

1. 网页端和APP

1. 开启DeepSeek网页端对话，只需访问官网并点击“开始对话”按钮，登录后即可与AI进行即时交流。

访问网址

2. 开启DeepSeek APP的访问，只需在智能手机或平板电脑上下载安装后，打开应用并登录即可。

3. 深度思考（R1）和联网搜索是什么？

DeepSeek的深度思考（R1）和联网搜索是其两大核心功能，这两大功能相辅相成，共同构筑了其强大的功能框架。

• 深度推理（R1）：R1模型擅长逻辑推理和复杂问题解答，能够处理需要深度思考的任务。

• 联网搜索：允许DeepSeek实时访问互联网上的信息，从而为用户提供最新、最准确的内容。

2. DeepSeek API

1. DeepSeek的API是什么？

DeepSeek的API是为开发者提供的一种工具，它允许开发者将DeepSeek提供的能力集成到自己的应用程序中。

调用API，需要提供如下三个请求参数。

api_key: "<DeepSeek API Key>"
base_url: "https://api.deepseek.com"
model: ""

2. DeepSeek的API能力有哪些？

DeepSeek API支持调用其平台上的多种模型，如深度思考（R1）和 智能对话（V3）等，并具备多轮对话能力和对话生成与理解功能，为开发者提供强大的智能对话与交互体验。

二、DeepSeek可以做什么

1. 应用场景

  直接面向用户，提供智能对话、文本生成、语义理解等应用场景，支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。

  深度思考模式，在多个领域具有广泛的应用前景。例如，在教育领域，它可以作为智能辅导工具，帮助学生解决数学问题、编写代码等；在科研领域，它可以作为研究助手，帮助研究人员处理数据、生成假设，甚至计算推理等。

2. 文本生成

1. 文本创作

• 文章/故事/诗歌写作
• 营销文案、广告语生成
• 社交媒体内容（如推文、帖子）
• 剧本或对话设计

2. 摘要与改写

• 长文本摘要（论文、报告）
• 文本简化（降低复杂度）
• 多语言翻译与本地化

3. 结构化生成

• 表格、列表生成（如日程安排、菜谱）
• 代码注释、文档撰写

3. 自然语言理解与分析

1. 语义分析

• 语义解析
• 情感分析（评论、反馈）
• 意图识别（客服对话、用户查询）
• 实体提取（人名、地点、事件）

2. 文本分类

• 文本分类
• 主题标签生成（如新闻分类）
• 垃圾内容检测

3. 知识推理

• 知识推理
• 逻辑问题解答（数学、常识推 理）
• 因果分析（事件关联性）

4. 编程与代码相关

1. 代码生成

• 根据需求生成代码片段
• 自动补全与注释生成

2. 代码调试

• 错误分析与修复建议
• 代码性能优化提示

3. 技术文档处理

• API文档生成
• 代码库解释与示例生成

5. 常规绘图

1. SVG矢量图

• 基础图形
• 图标
• 简单插图
• 流程图
• 组织架构图

2. Mermaid图表

• 流程图
• 时序图
• 类图
• 状态图
• 实体关系图
• 思维导图

3. React图表

• 折线图
• 柱状图
• 饼图
• 散点图
• 雷达图
• 组合图表

三、DeepSeek多场景应用

‌从如何用好的提示语技巧，到，用到哪里的多场景应用‌

• DeepSeek大模型 的研发及开源，0->1，科研成果的重大突破。
• DeepSeek大模型 的应用，1->100，可以做什么，如何赋能哪些产业，属于国人的擅长领域。可以期待百花齐放。从互联网，到移动互联网，到现在的AI时代。2025 AI 应用元年，风口已经来了。

1. 人机高效协作

基本操作技巧：提示词、追问逻辑、插件使用

人机协作意识：优势不足、取长补短、选择性采纳

能动意识：千人千面、洞察能力、思维深度

边界意识：学术伦理、新闻伦理、伦理规范

2. 职场应用-PPT

利用DeepSeek+Kimi

1. DeepSeek搞定ppt文案

我们用DeepSeek来生成ppt文稿的提纲文案，比如，我要做一个有关人工智能发展的报告，帮我做一个提纲。
DeepSeek联网思考后，生成一个ppt的大纲。
等待几分钟，整个ppt的框架就好了，下面copy到kimi中。

2. Kimi搞定ppt

在Kimi中有一个关于ppt制作的神器，ppt助手。
我们点进去，把用DeepSeek生成的ppt提纲输入进去。
输入完毕后，Kimi会帮我们自动再次排版，最后点击“一键生成PPT‘，选择一个模板。
生成ppt。
生成完毕后，点击”去编辑“，点击”下载“，就可以把ppt下载到本地了。

至此，这个ppt就生成好了。

3. 职场应用

• 可视化图表
• 设计海报
• 生成视频
• 生成新媒体文案
• 市场调查

4. 开发AI应用

示例

5. 行业赋能-车联网

对于汽车行业，车联网的互动能力和趣味性，会成为行业内竞争堡垒。尤其，内容交互的引流已经变成各家车企重点攻坚的方向。

典型场景，AIGC领域的图像生成技术，应用于汽车行业的车联网服务中。

1. 车主节假日中短途游之后，基于车联网和车载芯片，会记录如下旅程信息：

2. 基于旅程信息，期望大模型在汽车内容社区，自动生成风格化素材，并推送

3. 为了最大化的c端引流，车企对AIGC的能力提出了极高的要求，尤其注重生图细节的下列部分：

• 生图的风格化，是否能完全遵从指令
• 汽车logo和边缘的色差
• 背景车型无违和拼装等

4. 构建RAG应用
   利用模型构建RAG应用 (Retrieval-Augmented Generation) ，通过检索相关信息并结合上下文生成准确的自然语言回答，增强语言模型处理和理解复杂查询的深度。

参考阿里实战，基于业务需求设计完整的工作流。

6. 行业赋能

---

本文的引用仅限自我学习如有侵权，请联系作者删除。
参考知识
DeepSeek 是什么？｜扫盲贴
清华大学第一弹：DeepSeek从入门到精通
清华大学第二弹DeepSeek赋能职场
一文搞懂DeepSeek - DeepSeek的三种访问方式

---