《DeepSeek入门宝典》第1册·技术解析篇

•DeepSeek是什么？•DeepSeek R1的三大特点•使用DeepSeek的五种方式对比 DeepSeek是什么？ DeepSeek是什么？•D e e p S e e k是 幻 方 量 化 于2 0 2 3年 创 立 的 大 模 型 子 公 司 ， 创 始 人 为 梁 文 锋•2 0 2 4年1月5日 ， 其 发 布 第 一 个 同 名A I大 模 型D e e p S e e kL L M•2 0 2 5年1月2 0日 ，D e e p S e e k R 1正 式 发 布 ， 为对 标O p e n A I o 1正 式 版 的 高 性 能 推 理 模 型 ；R 1上 线 后 火 速 出 圈 ， 其 应 用 创 造 了 全 球A P P历 史 上 增 长 最 快的 记 录 图片来源：AI产品榜图片来源：DeepSeek官网 推理表现媲美OpenAI o1正式版R1开源，并公开训练技术，允许开发者R1开发成本仅为OpenAI o1的2%左右图注：DeepSeek与OpenAI各版本的准确率对比（图片来源：DeepSeek官网）DeepSeek R1的三大特点 高性能开源低成本 访问和学习 使用DeepSeek的五种方式对比作为生产力工具及技术尝鲜https://chat.deepseek.com/开发者、企业用户保障访问稳定性和可扩展性https://deepseekapi.io/可借助Ollama、vLLM和MNN等工具硅基流动、腾讯云、阿里云等https://chat.deepseek.com/官网APPAPI本地部署云平台 普通用户 •R1的基座模型——V3•R1的三种变体•R1训练的技术路径•R1的核心技术解析•R1的关键技术贡献 DeepSeek R1核心技术揭秘 R1的基座模型：V3•V3是去年12月发布的自研MoE模型•参数与GPT-4大致在同一数量级：V3有671B参数，每个Token的计算激活约37B•在14.8T token上进行了预训练R1在DeepSeekV3基础上进行了开发图注：DeepSeek V3与发布时其他主流大模型的准确率对比（图片来源：DeepSeek官网）•V3：对标GPT-4o，通过指令微调和偏好微调 V3模型的特征•R1：专注于推理能力 提升性能 R1的核心技术解析：强化学习图片来源：《基于场景动力学和强化学习的自动驾驶边缘测试场景生成方法》R1采用了多种奖励的强化学习，相当于模型的“综合评分系统”，模型在完成任务时根据多个标准获 得不同的奖励信号。 R1的核心技术解析：冷启动数据R1策略性地将少量高质量数据作为冷启动。这相当于训练开始前的“入门教程”，帮助模型更快地学会如何进行清晰、有逻辑的推理。R1-Zero生成的长 思 维 链(CoT)数据挑选示例R1的冷启动数据 R1的核心技术解析：监督微调图片来源：《PORT: Preference Optimization on Reasoning Traces》R1训练包括两个监督微调(SFT)阶段。模型通过学习标注数据来调整模型，以在特定任务上表现得 更精准。 R1的核心技术解析：蒸馏图片来源：https://devopedia.org/knowledge-distillationR1-Distill采用蒸馏技术。大模型（老师）把自己的知识和推理能力教给小模型（学生），通过高质量的数据和训练方法，让小模型学会大模型的推理技巧。 关键贡献1：“纯RL”技术路线的可行性首个公开研究，验证了LLMs的推理能力可以仅通过强化学习激励，而无需监督微调。图注：随着RL训练逐步推进，R1-Zero的性能稳定且持续提升（图片来源：DeepSeek官方论文） 关键贡献2：R1的“啊哈时刻”图注：在处理复杂的数学问题时，模型突然停下来说“等等、等等、这是个值得标记的啊哈时刻”（图片来源：DeepSeek官方论文）DeepSeek R1在推理时使用诸如“啊哈时刻”的高度拟人化语言，在解题找到突破口时产生了顿悟，被视图注：DeepSeek R1的推理过程 为走向AGI的重要一步。 关键贡献3：蒸馏小模型超越OpenAI o1-mini图注：通过DeepSeek-R1的输出，蒸馏了6个小模型开源给社区（图片来源：DeepSeek官方论文）蒸馏小模型的高性能，证明了该策略的经济和有效，但想要突破当前智能的边界，或仍需要更大规模的基础模型与强化学习。 •R1与OpenAI o1的三大区别•R1的四大进化方向•附录：DeepSeek产品家族全梳理 DeepSeek技术贡献及未来进化 DeepSeekR1与OpenAI o1的三大区别架构不同训练方式不同生态不同R1：基于已有模型DeepSeekV3R1：证明可以仅通过强化学习激励，无需监督微调R1：开源，免费使用o1：不同于GPT-4o的新模型o1：监督微调和强化学习结合o1：闭源，ChatGPT Plus会员才可访问o1及o1 mini R1的四大进化方向R1在一些复杂任务上的表现不如V3，未来可以通过长链推理来提升优化R1处理中英文以外语言的能力，避免现在的语言混合问题R1对提示很敏感，少量示例提示会从软件工程数据、强化学习的异步评估入手，缩短评估时长，保障强化学习过程的效率 语言混合软件工程任务 通用能力提示工程 降低性能 更多DeepSeek及AI学习资源DeepSeek官网访问官网，可深入了解最新研究成果，获取源代码及官方提示词样例库等资源。https://www.deepseek.com51CTO官网AI.x专区，获取DeepSeek及AI最新资讯、实战文章、实用资源及AI实战派大咖直播分享。超过200门、超过1000小时AI（含DeepSeek）主题视频课程可供个人和企业学习。图注：51CTO企业学堂推出的企业DeepSeek体系化学习方案51CTO官网AI专区51CTO在线课程DeepSeek专区 https://ai.51cto.comhttps://b.51cto.com