【AI大模型入门】D01：DeepSeek——用1/10成本打出顶尖性能，震惊整个硅谷
📖 阅读时长：约10分钟 🎯 适合人群：所有对AI感兴趣的人，这是2025年初最重要的AI事件 💡 你将学到：DeepSeek是谁做的、为什么震惊全球、能力有多强、怎么用
一、2025年1月，硅谷发生了什么？
2025年1月，一条消息震惊了全球科技界：
一家名叫幻方量化的中国量化对冲基金， 用约600万美元的训练成本， 打造出了一个在多项指标上可以媲美OpenAI o1的大模型—— DeepSeek R1。
作为对比，GPT-4 的训练成本据估计超过1亿美元。
这个消息一出，英伟达股价当天暴跌17%，蒸发约6000亿美元市值。
美国科技圈的震惊，不仅仅是因为一个中国模型"强"——而是因为它揭示了一个可怕的可能性：
也许，训练顶尖AI根本不需要那么多钱和那么多芯片。
📄 核心论文：DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning（DeepSeek AI, 2025） 📄 论文解读专栏：敬请期待 《DeepSeek-R1 技术报告解读：强化学习如何激发推理能力》
▲ DeepSeek-R1 与 OpenAI o1 的基准测试对比。在数学、编码、推理多项任务上，DeepSeek-R1 与 o1 不相上下，而训练成本仅为其约1/50。图片来源：DeepSeek 官方 GitHub
二、DeepSeek 是谁做的？
DeepSeek（深度求索） 是中国量化交易公司幻方量化旗下的AI研究机构，成立于2023年。
这个背景很有意思：
- 幻方量化本是做金融算法的，和AI表面上不搭界
- 但量化交易本身就需要顶尖的AI和计算能力
- 创始人梁文锋决定把这些积累转化成大模型研究
幻方量化（浙江）
└── 深度求索（DeepSeek）
├── 研究团队：大量清北毕业的顶尖工程师
└── 目标：探索AGI的技术路径
三、DeepSeek 的主要模型
DeepSeek-V2（2024年5月）
DeepSeek 第一次引发关注，发布了一个性能强劲但成本极低的模型：
DeepSeek-V2 API 定价：
输入：0.1元/百万token
输出：0.3元/百万token
作为对比，GPT-4 Turbo：
输入：约70元/百万token
输出：约210元/百万token
DeepSeek-V2 比 GPT-4 便宜约 100-700 倍！
但这只是开胃菜。
DeepSeek-V3（2024年12月）
能力全面超越之前版本，在多项测试上达到GPT-4 Turbo水平，但价格依然极低。
训练成本：约557万美元（官方公布）
DeepSeek-R1（2025年1月）——震惊世界之作
这才是引爆全球的那个。
R1 中的"R"代表 Reasoning（推理），这是一个专门强化了思维推理能力的模型。
DeepSeek R1 测试成绩（2025年1月）：
数学（AIME 2024）：
GPT-4o → 9.3%
o1-preview → 44.6%
DeepSeek R1→ 79.8% ← 第一！
代码（Codeforces）：
o1-preview → 1258 ELO
DeepSeek R1→ 1673 ELO ← 超越！
常识推理（MMLU）：
GPT-4o → 88.7%
DeepSeek R1→ 90.8% ← 超越！
而且全部开源，可以免费商用。
四、DeepSeek 为什么能这么便宜？
这是最让人好奇的问题。DeepSeek 做了几个关键的技术创新：
创新1：MoE（混合专家架构）
普通模型：每个问题都用全部的神经网络计算
→ 计算量大，成本高
MoE架构：把模型拆成很多"专家"
→ 每个问题只激活其中一小部分"专家"
→ 总参数很多，但每次计算量大幅减少
举例：
DeepSeek-V3 总参数：671B（6710亿）
每次推理激活参数：37B（370亿）
相当于：用10%不到的计算量，发挥接近全参数的效果
创新2：Multi-head Latent Attention（MLA）
对注意力机制做了压缩，大幅减少计算时的内存占用——这让模型可以更高效地处理长文本。
创新3：FP8混合精度训练
用更低精度的数据格式（FP8）训练，计算效率更高，但需要大量工程优化才能不影响效果。
创新4：GRPO强化学习
一种新的强化学习方法，让模型在数学和推理方面快速提升，而且不需要额外的奖励模型（减少了训练成本）。
五、DeepSeek 能做什么？
作为一个综合能力顶尖的大模型，DeepSeek 几乎什么都能做，但有几个特别突出的方向：
💡 超强数学推理
你：一个数列，首项为2，公差为3，求第50项
DeepSeek：
（显示思考过程）
等差数列公式：an = a1 + (n-1)d
a50 = 2 + (50-1) × 3
= 2 + 49 × 3
= 2 + 147
= 149
答：第50项为149
“思考过程可见” 是DeepSeek R1的特色——你能看到它一步步推理的全过程，就像看一个学生做题的草稿纸，更可信，也更容易验证对错。
💻 代码生成
你：帮我写一个Python爬虫，爬取某网站的商品价格，
要求有重试机制和反爬虫处理
DeepSeek：（生成完整的、有注释的、生产级代码）
📊 复杂分析与推理
对需要多步逻辑推理的问题（法律分析、商业决策、学术研究），DeepSeek R1的链式思维让它远优于普通对话模型。
六、DeepSeek 怎么用？
方式一：官网直接用（最简单）
界面选择：
- DeepThink (R1)：开启推理模式，慢但准
- Search：联网搜索实时信息
- 普通对话：速度更快
方式二：本地部署（开源，真的可以跑）
DeepSeek 完全开源，可以下载运行：
# 使用 Ollama 运行（推荐）
ollama run deepseek-r1:7b # 7B版本，8GB内存可跑
ollama run deepseek-r1:32b # 32B版本，需要较好显卡
注意：完整的DeepSeek R1是671B参数，家用电脑跑不了，但蒸馏版（1.5B/7B/14B/32B/70B）各类电脑都有对应版本。
方式三：API调用（开发者）
from openai import OpenAI
client = OpenAI(
api_key="你的API密钥",
base_url="https://api.deepseek.com"
)
response = client.chat.completions.create(
model="deepseek-reasoner", # R1模型
messages=[{"role": "user", "content": "解方程：x² – 5x + 6 = 0"}]
)
七、DeepSeek 的深远影响
DeepSeek 的出现，改变了整个AI行业的认知：
改变1：打破了"算力即壁垒"的神话
很多人以为，顶尖AI必须靠大量昂贵的GPU堆出来。DeepSeek 证明了：算法创新可以弥补算力差距。
改变2：推动了整个行业降价
DeepSeek 开源后，各大模型服务商开始大幅降价。OpenAI、Google、百度、阿里……都不得不重新考虑定价策略。
改变3：重新点燃了AI开源运动
DeepSeek 的成功，鼓励了更多公司选择开源路线。整个2025年，开源AI生态百花齐放。
改变4：引发了对"AI安全出口管制"效果的反思
美国此前限制向中国出口高端AI芯片（H100等），原本以为这会拉开差距。但DeepSeek 用被限制的芯片（A100/H800）依然打出了顶尖效果，让这一政策的效果受到质疑。
八、总结
DeepSeek 是2025年最重要的AI事件，没有之一：
- 🏆 顶尖性能：多项测试媲美甚至超越GPT-4 o1
- 💰 极低成本：API价格是GPT的1/100甚至更低
- 🔓 完全开源：MIT协议，可以免费商用
- 🆓 用户免费：官网免费使用，不需要信用卡
- 🧠 推理可视：R1的思考链让推理过程透明
- 🇨🇳 中国出品：证明了中国在AI顶尖领域的实力
无论你对AI感兴趣是出于什么目的，DeepSeek 都是2025年你必须了解的名字。
你试过DeepSeek吗？说说你的使用体验 👇
本文为【AI大模型百科专栏】第D01篇 · 颠覆时代 作者：[孤岛站岗] | 更新时间：2026年4月
