DeepSeek的出现，不仅引发了全球 AI 爱好者的热议，更让整个科技圈为之震动。
DeepSeek 的崛起之路
DeepSeek 背后的母公司深度求索成立于 2023 年 7 月 17 日，有着量化私募幻方基金的雄厚支持。幻方基金凭借强大的资金实力，为深度求索在 AI 研发道路上提供了坚实后盾，使得深度求索能够心无旁骛地朝着 AI 的前沿领域进军，无需过多担忧盈利问题，专注探索 AI 的无限可能。
2024 年 1 月 5 日，深度求索发布首个 AI 大模型 DeepSeek LLM，正式踏入 AI 大模型赛道。随后，2024 年 5 月 7 日推出的 DeepSeek-V2 更是大放异彩，一经发布便开源。
在中文综合能力（AlignBench）的开源模型评测中，它力压群雄，与 GPT-4-Turbo、文心 4.0 等闭源模型处于同一梯队；英文综合能力（MT-Bench）也不逊色，与最强开源模型 LLaMA3-70B 相当，还超越了最强的混合专家（MoE）开源模型 Mixtral8x22B，在知识、数学、推理、编程等多个领域的榜单中名列前茅。关键是，其 API 价格仅为 GPT-4o 的 2.7%，这一极具竞争力的价格直接引发了国内大模型市场的价格战，字节、阿里、百度、腾讯等大厂纷纷跟进降价。
2024 年 12 月 26 日发布的 DeepSeek-V3 同样开源，在多项评测中表现卓越，在知识类任务、长文本理解、编程和数学运算等方面，性能接近甚至超越国际顶尖闭源模型，如 GPT-4o 和 Claude-3.5-Sonnet，而其训练成本仅 557.6 万美元，远低于其他大厂。
2025 年 1 月 20 日，推理模型 DeepSeek-R1 发布并开源，效果媲美 OpenAI o1，API 价格却只有 OpenAI o1 的 3.7% ，再次震惊海外。2025 年 1 月 27 日，DeepSeek 登顶苹果中美两区 App 免费榜，超越长期霸榜的 GPT，这一成绩直接导致投资者信心动摇，英伟达股票大跌，DeepSeek 就此火遍全网，成为各大媒体竞相报道的焦点。
DeepSeek 开源的战略考量
DeepSeek 选择开源技术，并非偶然之举，而是基于多方面的深思熟虑，这一决策对其自身发展及行业格局产生了深远影响。
推动行业生态发展：开源能够吸引全球范围内的开发者、研究者和企业参与技术迭代。通过开源，DeepSeek 建立起技术标准和生态体系，就像 Meta 的 LLaMA 系列一样，让更多应用基于自身框架开发，间接扩大了市场占有率。社区成员的反馈和优化，能加速模型的进化，提升 DeepSeek 在 AI 领域的影响力和话语权。
技术验证与信任建立：在 AI 领域，安全和伦理备受关注。开源模型允许外界审查代码和算法，增强了透明度和信任感。公开技术细节能减少用户疑虑，证明技术的可靠性。
商业模式的平衡：“开源 + 商业” 的模式在 AI 行业已被验证可行，如 Hugging Face、Mistral 等。DeepSeek 的开源版本可作为 “基础版” 吸引用户和开发者，而商业版或企业服务，如高性能的 API、定制化解决方案等，则提供增值服务。开源降低了企业使用门槛，推动技术普及，扩大了潜在客户群体。
社区协作加速创新：开源社区汇聚了集体智慧，能快速发现模型漏洞、优化性能并拓展新功能。对于 DeepSeek 而言，这相当于借助外部资源免费提升技术实力。
应对竞争与政策环境：全球 AI 竞赛激烈，开源可避免重复研发，让行业资源聚焦前沿探索。同时，符合中国推动开源创新的政策导向，有助于获得政府或行业支持。
长期技术影响力：开源模型若成为学术研究或行业应用的基准工具，将持续提升 DeepSeek 的品牌技术声誉，吸引更多人才和合作伙伴，形成良性循环。
DeepSeek 引发的连锁反应
DeepSeek 的火爆在行业内引发了一系列连锁反应。微软、英伟达、亚马逊等云计算平台纷纷接入 DeepSeek，显示出行业对其技术实力的认可。而 OpenAI 也感受到了压力，在洽谈新一轮 400 亿美元巨额融资、估值 3000 亿美元的同时，正式上线了 OpenAI o3-mini 系列模型。
OpenAI o3-mini 系列模型主打快速推理，o3-mini（high）擅长编码和逻辑且支持联网搜索，虽然暂不支持多模态功能，但训练数据经过严格筛选，安全合规表现有所增强。付费用户方面，ChatGPT Plus、Team 和 Pro 用户已可使用，企业版也在一周后开放访问，Plus 和 Team 用户的每日消息限制从 o1-mini 的 50 条提升到 150 条，Pro 用户可无限次访问 o3-mini 以及 o3-mini-high。此外，OpenAI 首次向免费用户开放推理模型使用权限，在 ChatGPT 消息输入框下方选择「Reason」按钮即可使用。o3-mini 还集成了搜索功能，能实时获取最新答案并附带网页链接，方便用户深度调研。
不过，目前该搜索功能还是原型，官方表示未来会持续完善并扩展到更多推理模型。经测试，o3-mini 平均响应时间为 7.7 秒，较 o1-mini 的 10.16 秒快了 24%，在专家评测中，56% 的评测者更倾向于选择 o3-mini 的回答，处理复杂实际问题时的重大错误率降低了 39%。即便如此，o3-mini 仍存在一些不足，如无法答对 “9.11 和 9.9 哪个大？”“strawberry 里面有多少个 r？” 这类简单问题，而 DeepSeek-R1 等推理模型则可以答对。
Deepseek 曲线救国平替：
3.硅基流动：https://cloud.siliconflow.cn/i/OlJOcjGr
4.字节跳动火山引擎：https://console.volcengine.com/ark/region:ark+cn-beijing/experience
5. 百度云千帆：https://console.bce.baidu.com/qianfan/modelcenter/model/buildIn/list
6.英伟达NIM：https://build.nvidia.com/deepseek-ai/deepseek-r1
8.Fireworks：https://fireworks.ai/models/fireworks/deepseek-r1
9.Chutes：https://chutes.ai/app/chute/
10.Github：https://github.com/marketplace/models/azureml-deepseek/DeepSeek-R1/playground
11.POE：https://poe.com/DeepSeek-R1
13.Monica：https://monica.im/invitation?c=ACZ7WJJ9
14.Lambda：https://lambdalabs.com/
15.Cerebras：https://cerebras.ai
16. Perplexity：https://www.perplexity.ai
17. 阿里云百炼：https://api.together.ai/playgro
DeepSeek-R1 使用技巧
很多人使用 DeepSeek-R1 时觉得没有达到预期效果，这主要是因为没有掌握正确的使用方法。DeepSeek-R1 是推理模型，与通用模型 DeepSeek-V3 不同，它擅长数学、代码、逻辑类问题，写论文、作文、小说等长文任务更适合用 V3。在使用 R1 时，如果没有足够的上下文背景资料，或者没有用自然语言充分交流，它可能会插入离谱的专业术语。
因此，最好先与 DeepSeek-V3 进行多轮交流后，再切换成 R1 深度思考模式；或者一次性把问题相关的所有数据都提供给 R1，这样它就能更好地完成任务，这一方适用于所有 AI。
在提问方法上，不能再使用传统喂给通用模型的一长串结构化提示词，而是要明确目标，把它当作能力强大但需要明确需求的 “员工”。比如，抛弃 “你是一个谁谁谁，现在我的任务是什么什么，你要按照 1……2……3…… 来给我执行” 这样的写法，而是简单表达 “你是谁 + 背景信息 + 你的目标”。背景信息提供得越多，R1 就越能理解需求，从而更好地完成任务。例如，想让 R1 解释大模型中的 RL 用法，加上 “我是一个小学生” 这样的背景信息，R1 给出的解释会更加通俗易懂。
DeepSeek-R1 实力测评
相比其他推理模型，DeepSeek-R1 的文案功底相当出色。在数学推理题上大家实力相当的情况下，文笔成为体现 AI 大模型实力的重要因素。
以模仿滕王阁序风格写一篇蛇年春节的文章为例，DeepSeek-R1 创作的《癸巳迎春序》展现出了极高的文学水准，而其他推理模型，如 o1、o3-mini 等，以及智谱清言 - GLM-Zero、月之暗面 - kimi-K1、阿里通义千问 - QwQ-32b、Gemini-2.0-flash-thinking-exp 等，与 DeepSeek-R1 相比都存在一定差距。
DeepSeek 的未来挑战
尽管 DeepSeek 取得了耀眼成绩，但它的未来处境却充满挑战。作为初创 AI 公司，深度求索团队仅有 100 多人，面临着国内阿里、百度、腾讯等大厂和美国硅谷大厂的挖角风险，若核心人才流失，将对公司发展产生重大影响。
同时，它还要应对来自硅谷的反击，如持续的 DDoS 攻击、OpenAI 的蒸馏指控、Anthropic 的 CEO 要求加强制裁力度，以及美国政府可能的调查，深度求索很可能被列入实体名单。此外，同行竞争也十分激烈，存在大规模恶意挖角、抹黑、恶意举报合规性、测试安全性和合规性等行为。而且，网络上还有各种黑粉抹黑，拿开源模型训练中常见的 “回答自己是 GPT” 等问题来质疑 DeepSeek 套壳 GPT，舆论风险难以把控。
