序言
这又是一篇共创文章，秘塔负责整合资料，Deepseek R1 负责综述资料，V3 负责撰文，而我就负责发几个指令，复制粘贴，以及写这段序言。所以，本文不是为了让你真的去看 Deepseek 的成长史，而是为了让你了解当下几个强大 AI 功能结合，以及可以到什么地步了。
这几天，Deepseek 依然在遭受攻击，所以官方的“联网搜索”功能始终不能用。这时候，秘塔接入 Deepseek R1 无疑是久旱逢甘露。秘塔应该算国内最好的 AI 加强搜索平台了，之前就一直给亲友推荐。不过那时候的秘塔，擅长搜索，尤其是结合学术文献、播客各类的专业搜索，再配合 AI 总结，但那时候用的 AI 模型比较弱。但如今，只要开启下面的长思考·R1，就可以由强大的R1来负责综述总结，这样的结果自然是如虎添翼。
我做了一个尝试，让秘塔“请按照时间线，综述 Deepseek 成立以来的所有大模型产品，包括产品特性、优势”。综述的结果，可以看下面这个链接，秘塔这点很棒，不仅会给出所有搜索的链接，还能与人分享，这点比 R1 本身的联网搜索强多了。
https://metaso.cn/s/vXiOIQH
而且，生成的全文，可以导出为 Word 或者 PDF。
秘塔生成的这个综述，合计 8288 字，其实还是有点信息过载。
不过没关系，将导出的 PDF 文件扔给 Deepseek V3，用下面的提示词，就有了今天分享的这篇文章：
请基于我上传的 PDF 文件，写一篇“Deepseek：国产之光”的 1500 字专栏文章，综述 Deepseek 的发展历程，采用秦朔的文字风格，要有感染力
当然，这只是一个流程的展示。如果再搭配暗涌对 Deepseek 当家人梁文锋的两篇专访，再要求秘塔汇总一下各界大佬对 Deepseek 的赞美和质疑，那么可以写出更丰富的特稿级稿件。
在体验秘塔这个新功能时，也看到了 OpenAI 新出的深度研究，类似于谷歌此前的同类功能，会以30 分钟这种长时间去搜搜大量的资料写更深度的研究报告。
这些功能的出现，对于会用者是赋能，但对许多以重复性劳动为主要技能的从业者，却会是一个致命的冲击。
都说 AI 平权，但感觉上如果不能提升思考能力，AI 反而会拉大人与人之间的差距。
正文
Deepseek：中国AI新秀如何用极致性价比撼动全球大模型格局？
引言
2023年7月，一家名为Deepseek的公司在杭州悄然成立。这家由幻方量化创立的企业，凭借不到140人的团队，迅速成为国内大模型领域的耀眼新星。Deepseek不仅以技术创新和开源策略赢得了业界的广泛关注，更以极致的性价比和卓越的性能，向全球AI巨头发起挑战。短短两年间，Deepseek推出了一系列引人瞩目的大模型产品，从代码生成到多模态处理，从通用语言模型到复杂的推理能力，每一步都彰显着中国AI公司的创新力量。
早期布局：从代码生成到通用模型
Deepseek的崛起并非一蹴而就。2023年下半年至2024年初，公司陆续推出了几款基础模型，这些产品为Deepseek后来的辉煌奠定了坚实基础。
首先是Deepseek Coder，这款专为代码生成优化的开源模型，支持多种编程语言，如Python、Java、C++等。它不仅能帮助开发者快速完成代码编写和调试，还能通过智能代码补全和优化功能，显著提升开发效率。在公开评测中，Deepseek Coder在HumanEval任务中甚至超越了GPT-3.5-turbo，展现了其在编程领域的强大实力。
紧随其后的是Deepseek LLM，这款通用大语言模型致力于自然语言处理、知识问答等任务。通过高质量的训练数据和强化学习技术，Deepseek LLM在多项基准测试中表现优异。例如，在HellaSwag和数学推理任务中，其67B参数的版本显著优于7B参数的MHA模型，展现了其在复杂任务中的卓越能力。
此外，Deepseek还推出了国内首个稀疏混合专家模型Deepseek-MoE。这款模型通过动态激活专家机制，显著降低了训练成本，同时提高了模型的灵活性和扩展性。这一创新为Deepseek后续产品的技术路径铺平了道路。
技术突破：第二代MoE模型的诞生
2024年5月，Deepseek迎来了技术上的重大突破——Deepseek-V2的发布。这款第二代MoE模型以2360亿的参数规模，迅速成为业界关注的焦点。
Deepseek-V2的最大亮点在于其极低的API定价。输入每百万tokens仅需1元，输出每百万tokens仅需2元，这一价格仅为GPT-4 Turbo的近百分之一。这种“人工智能界的拼多多”策略，不仅让Deepseek-V2在性价比上占据了绝对优势，更引发了国内大模型市场的价格战。
在性能方面，Deepseek-V2同样令人惊叹。它支持128K长上下文，中文综合能力与GPT-4 Turbo相当，英文能力则超越了Mixtral8x22B。通过引入多头潜在注意力（MLA）和细粒度专家机制，Deepseek-V2的KV缓存减少了93.3%，吞吐量提升了5.76倍。这种高效的设计，不仅降低了显存占用，还为大规模部署提供了可能。
全面进阶：从推理优化到千亿模型
2024年下半年，Deepseek的产品线进一步扩展，推出了两款重磅模型。
首先是Deepseek-R1-Lite-Preview，这款预览版模型专注于复杂的逻辑推理任务，如数学竞赛和代码生成。通过强化学习和长思维链设计，Deepseek-R1-Lite在推理时间与准确率之间找到了平衡。它的表现验证了长链推理的有效性，同时也为后续的Deepseek-R1系列奠定了基础。
同年12月，Deepseek发布了千亿参数旗舰模型Deepseek-V3。这款6710亿参数的MoE模型，以其极低的训练成本和卓越的性能，再次震撼了业界。Deepseek-V3的激活参数仅37亿，通过14.8T token的训练，在百科知识、数学、编程等任务中全面超越了Qwen2.5-72B和Llama-3.1-405B。其生成速度较前代提升了3倍，API定价更降低到输入0.5元/百万token，输出8元/百万token，性价比远超Claude 3.5和GPT-4o。
多模态与闭源对标：迈向通用人工智能
进入2025年，Deepseek继续在多模态和闭源模型领域发力。
首先是Deepseek-R1，这款推理模型对标OpenAI的o1，支持深度推理任务，成本仅为GPT-4o的1/30。其强大的数学推理能力在AIME 2024上达到了79.8%的准确率，展现了其在复杂任务中的卓越表现。
此外，Deepseek还推出了Janus-Pro 7B多模态模型，这款开源模型专注于文字生成图像任务，性能接近全球顶尖水平。其低成本和高效设计，为多模态应用提供了更多可能性。
总结与展望
Deepseek的崛起，不仅是中国AI技术的一次飞跃，更是全球大模型领域的一次震撼。从早期布局到技术突破，从推理优化到多模态探索，Deepseek的每一步都充满了创新与挑战。其以“高性能+低价格”的竞争策略，迅速占领了市场，更推动了整个行业的变革。
未来，Deepseek计划在通用人工智能（AGI）领域继续探索，同时通过生态投资推动下游应用落地。尽管面临的国际竞争与合规挑战依然严峻，但Deepseek的脚步不会停止。这家来自中国的AI公司，正在用自己的方式，书写着全球人工智能的新篇章。
Deepseek，无疑是国产之光，更是全球AI领域的耀眼新星。它的故事，才刚刚开始。
