DeepSeek 模型系列使用指南及配置要求

DeepSeek大模型研报总结

公司背景

• 公司信息：杭州深度求索人工智能基础技术研究有限公司（DeepSeek），成立于2023年7月，创始人梁文峰（幻方量化联合创始人），位于杭州拱墅区，业务方向为通用人工智能（AGI）技术研发和应用，是“杭州六小龙”之一。
• 创始人信息：梁文峰，1985年生，籍贯广东湛江，毕业于浙江大学，2008年开始带领团队探索量化交易，2015年创立幻方科技，2019年资金管理规模突破百亿元。
• 团队背景：团队成员多来自清华大学、北京大学等顶尖高校。

DeepSeek大模型发布时间表

• 2024年1月至2025年1月，DeepSeek陆续发布了DeepSeekLLM、DeepSeek-Coder、DeepSeek-Math、DeepSeek-VL、DeepSeek-V2、DeepSeek-Coder-V2、DeepSeek-V2.5、DeepSeek-R1-Lite、DeepSeek-VL2、DeepSeek-V3、DeepSeek-R1、DeepSeek-R1-Zero等系列大模型。

DeepSeek大模型核心特点

• DeepSeek-V3：
  • 性能：在数学推理、代码生成、常识推理等基准测试中达到领先水平，接近或超越GPT-4 Turbo等顶尖模型。
  • 技术：采用多头潜在注意力（MLA）和DeepSeekMoE架构，FP8精度训练，双向流水线（DualPipe）算法，跨节点通信技术。
  • 成本：参数规模6710亿，但每次处理一个token时只激活370亿个参数，训练成本远低于GPT-4。
  • 价格：API服务定价低廉，性价比优势明显。
• DeepSeek-R1和DeepSeek-R1-Zero：
  • 基于DeepSeek-V3的混合专家（MoE）架构，总参数量6710亿，但每个推理请求仅激活约10%的参数。
  • R1-Zero：完全依赖强化学习（RL）训练，跳过监督微调（SFT），探索纯RL的可行性和潜力。
  • R1：在R1-Zero基础上引入冷启动数据和多阶段优化，结合监督微调（SFT）与强化学习（RL），提升输出的可读性和稳定性。

DeepSeek-R1性能表现

• 在数学、代码、自然语言推理等任务上，性能能够比肩OpenAI ChatGPT-4。
• 在ChatbotArena上，基准测试排名升至全类别大模型第三，与OpenAI的ChatGPT-40最新版并列。
• 采用强化学习、奖励机制设计、训练模板与结构化输出、蒸馏技术、开放思维链（CoT）输出等技术。

DeepSeek技术特点总结

• 高性能、低成本、开源、国产。

DeepSeek造成的影响

• 改变了AI技术的发展方向：算力至上的传统认知被打破，算法创新的重要性提升。
• 改变了全球AI进展的格局：对美国的人工智能领导地位构成威胁，中国与美国在AI大模型领域的差距正在快速缩小。
• 全面加速AI端侧应用的落地：大模型的价格正在快速下降，极大推动了AI在端侧的应用普及。
• 对AI算力供给关系造成冲击：短期来看降低了AI大模型对智算算力的需求，但长期来看会带动端侧AI算力芯片、终端等产业的增长浪潮。
• 引领开源力量的大跨步发展：DeepSeek的成功，吸引了大量开发者参与改进和研究，推动了开源社区的发展。

云厂商和运营商全面接入DeepSeek

• 华为云、腾讯云、阿里云、百度智能云、火山引擎、金山云、微软Azure、亚马逊AWS、中国电信、中国移动、中国联通等云厂商和运营商全面接入DeepSeek。

生态链适配

• 多家国产AI算力厂商宣布适配DeepSeek，吉利汽车、岚图汽车等汽车厂商计划通过蒸馏训练优化车载AI功能，百度搜索和文心智能体平台宣布将全面接入DeepSeek和文心大模型最新的深度搜索功能，微信已为搜索功能接入DeepSeek-R1模型。

DeepSeek的使用入口

• 官方官网、官方API平台、各大应用商店、第三方工具接入、自己搭建部署、私有化部署（本地部署）。

DeepSeek的日常应用场景

• 文本生成：文章写作、诗歌创作、文案生成、剧本设计等。
• 摘要与改写：生成论文摘要、外文翻译、文本风格转换等。
• 结构化生成：生成表格、代码注释等。
• 自然语言处理：语义分析、意图识别、信息提取、情感分析等。
• 文本分类：文章分类、标签生成、垃圾内容监测等。
• 知识推理：回答问题、原因分析、知识推理等。
• 代码编程：代码生产、代码生成、代码补全、代码调试等。
• 图表绘制：生成SVG矢量图、绘制简单图表。

DeepSeek的使用方法

• 提示语（Prompt）：
  • 推理模型：简洁指令，明确任务目标和需求，信任其内化能力，避免启发式提问。
  • 通用模型：需要进行推理步骤引导，需要补偿性引导，不能过度信任。
• 版本参数量：
  • DeepSeek-R1-1.5B、DeepSeek-R1-7B、DeepSeek-R1-8B、DeepSeek-R1-14B、DeepSeek-R1-32B、DeepSeek-R1-70B、DeepSeek-R1-671B。

本地化部署配置要求

• 根据不同参数量的模型，对CPU、内存、显卡、显存等配置有不同要求。