DeepSeek

• 1. 概要 （共 203 字）

  DeepSeek（深度求索）是中國AI領域最具影響力的公司之一，由幻方量化於2023年孵化，憑藉極致價效比的API定價和開源策略，在全球大模型競爭中佔據獨特地位。其核心產品矩陣包括通用對話模型V3.2、深度推理模型R1、專業程式碼模型Coder V2以及即將釋出的萬億引數多模態模型V4。2026年4月，DeepSeek被曝啟動成立以來首輪融資，估值超過100億美元，標誌著這家技術驅動型公司正式走向資本市場。

• 2. 產品背景 （共 594 字）

  DeepSeek的母公司是杭州深度求索人工智慧基礎技術研究有限公司，由量化私募巨頭幻方量化於2023年孵化成立。創始人梁文鋒同時也是幻方量化的創始人，擁有公司84.29%的股份和近100%表決權。幻方量化是國內頭部量化私募，管理規模超700億元人民幣，2025年平均收益率達56.6%，按行業慣例估算年收入約50億元人民幣，這為DeepSeek前三年的全部研發投入提供了充足的資金支援。   在成立的前三年裡，DeepSeek從未接受過任何外部股權融資，全部算力採購、團隊薪酬和研發支出均由幻方量化承擔，三年累計投入約數億美元。這種「自我造血」模式使DeepSeek保持了高度的技術獨立性，但也面臨人才流失的壓力——V2架構貢獻者羅福莉加盟小米、GRPO演算法核心作者郭達雅入職位元組跳動，促使公司在2026年4月啟動首輪融資。據The Information等媒體報道，DeepSeek計劃以不低於100億美元估值募集至少3億美元，釋放約3%股權，其核心目的是為員工期權建立市場化定價錨點，與國內同行相比估值偏低——智譜AI市值507億美元，MiniMax市值344億美元，月之暗面估值180億美元。   DeepSeek的品牌口號是「探索未至之境」，在GitHub上的開源倉庫 @deepseek-ai 擁有極高的社群影響力。其所有主要模型均採用MIT協議或Apache 2.0協議開源，允許商用和二次開發。

• 3. 產品功能與使用體驗 （共 815 字）

  DeepSeek目前的產品矩陣覆蓋通用對話、深度推理、程式碼生成和多模態理解四大方向。   通用對話方面，DeepSeek-V3.2是最新旗艦模型，總引數6710億，啟用引數約37B，支援128K上下文視窗（約20萬字）。該模型採用MoE（混合專家）稀疏架構，每個token只啟用部分引數，實現了「大模型的能力，小模型的成本」。V3.2版本新增了Agent能力，強化了智慧體功能並融入思考推理，採用「先推理再呼叫」的智慧工具呼叫機制。此外，V3.2還是首個實現「思考融入工具呼叫」的開源模型，配合DSA稀疏注意力技術，將長文字計算成本降低了50%到70%。   深度推理方面，DeepSeek-R1是核心推理模型，採用強化學習驅動的推理正規化，支援視覺化思維鏈和自我修正能力。在數學競賽AIME基準上準確率達87.5%，程式碼基準LiveCodeBench得分83.3，複雜任務準確率比普通模型提升約30%。R1還支援模型蒸餾，可以將推理能力轉移到Qwen、Llama等小模型上。   程式碼生成方面，DeepSeek Coder V2支援20多種程式語言，支援IDE整合，在Bug定位方面成功率高於GPT-4o。   中文能力是DeepSeek的突出優勢。在古文翻譯、詩歌創作、技術文件等方面進行了專項最佳化，支援100多種語言，中英文互譯質量在國產模型中領先。   即將釋出的DeepSeek V4是當前最受關注的產品。根據已洩露的規格資訊，V4總引數將達到約1萬億，啟用引數保持約37B不變，上下文視窗擴充套件到1M+ tokens，並支援原生多模態（文字、圖片、影片、音訊）。核心技術包括Engram條件記憶模組（O(1)常數時間檢索，長上下文準確率提升12.8%）和mHC流形約束技術（解決萬億引數訓練穩定性問題）。V4的訓練晶片從NVIDIA轉向華為昇騰和寒武紀等國產晶片，預計編碼能力SWE-bench達到80%以上，與Claude Opus 4.6和GPT-5.4持平。

• 4. 定價與商業模式 （共 593 字）

  DeepSeek的定價策略以「極致價效比」著稱，是其最核心的競爭武器。   V3.2模型（deepseek-chat）的API價格為輸入$0.27/百萬token、輸出$1.10/百萬token。R1模型（deepseek-reasoner）為輸入$0.55/百萬token、輸出$2.19/百萬token。按人民幣計價，V3.2輸入低至每百萬token 0.2至2元，R1輸入每百萬token 1至4元。此外，DeepSeek提供錯峰優惠，北京時間00:30至08:30期間價格低至50%。   與競品對比，GPT-5的定價為輸入$1.25、輸出$10.00，是DeepSeek V3.2的4.6倍和9.1倍。Claude Sonnet 4.5為輸入$3.00、輸出$15.00，是V3.2的11倍和13.6倍。即便是最便宜的Llama 4 Maverick託管方案，也僅比V3.2便宜約30%。以中度使用的初創團隊為例（日均100萬輸入+50萬輸出token），使用V3.2月費約$24.60，而GPT-5為$187.50，Claude Sonnet 4.5高達$315.00。   DeepSeek採用免費增值模式：網頁版和App端提供免費對話服務，API按量付費。企業客戶可透過華為雲、阿里雲、AWS Bedrock等雲服務整合，也可選擇私有化部署（需自行提供硬體）。這種多層次商業模式兼顧了C端使用者增長和B端變現。

• 5. 使用者評價 （共 391 字）

  正面評價集中在幾個方面。開發者普遍認為DeepSeek的價效比無可匹敵，API價格僅為OpenAI的15%到50%，適合高併發、大規模呼叫的生產環境。中文處理能力在國產模型中表現突出，古文翻譯和中文寫作質量甚至超過部分國際模型。開源策略受到技術社群的廣泛好評，MIT協議允許商用和二次開發，降低了許多團隊的技術門檻。在程式設計場景中，DeepSeek的程式碼生成和除錯能力獲得開發者認可，尤其在Python、Java等主流語言上表現優異。   負面反饋也不容忽視。部分使用者反映高峰期伺服器不穩定，偶爾出現響應延遲或超時。知識庫時效性是短板，訓練資料截止到2025年5月左右，需要配合聯網搜尋獲取最新資訊。多模態能力目前較弱，缺少影象和音訊輸入功能（V4預計補齊）。在英文深度推理方面，R1模型仍略遜於OpenAI o1/o3和Claude 4。幻覺問題雖然比早期版本有明顯改善，但偶發情況仍然存在。

• 6. 行業評價 （共 439 字）

  DeepSeek在2025年初憑藉R1推理模型引爆全球AI圈。2025年1月R1釋出後，NVIDIA股價一度大幅下跌，全球市場重新審視中國AI公司的技術實力。國際媒體評價DeepSeek是「中國AI的OpenAI挑戰者」，認為其以極低的訓練成本實現了接近頂尖模型的效能，打破了「算力即一切」的行業敘事。   中文科技媒體的評價更加深入。36氪在2026年4月20日的分析中指出，DeepSeek本輪100億美元估值「偏低」，本質上是為員工期權定價而設定的准入門檻。量子位報道稱梁文鋒在首輪融資中個人投入約200億元，既是給外部投資者的定心丸，也是個人信念的宣示。   在技術層面，DeepSeek的MoE架構和開源策略被廣泛認為是推動行業進步的重要因素。其GRPO（Group Relative Policy Optimization）演算法已被多家競爭對手借鑑，模型蒸餾方案推動了小模型推理能力的整體提升。DeepSeek被認為是2025-2026年國產大模型「內卷」浪潮中最具代表性的技術力量。

• 7. 爭議與風險 （共 359 字）

  內容審查是最受爭議的問題。作為一家在中國註冊的公司，DeepSeek的模型在政治敏感話題上存在審查機制，這在Reddit和Hacker News等海外社群引發了大量討論。部分使用者認為這限制了模型的實用性，尤其是在國際市場推廣中可能面臨信任障礙。   算力依賴是結構性風險。儘管V4轉向國產晶片，但高階AI晶片的供應仍受到地緣政治因素的制約。美國對華AI晶片出口限制對DeepSeek的長期算力擴張構成了潛在威脅。   人才流失是運營層面的挑戰。核心架構貢獻者和演算法作者的離職，暴露出AI人才市場競爭的激烈程度。首輪融資的一個重要目的就是透過期權激勵留住人才。   商業化可持續性也值得關注。以極低價格搶佔市場的策略雖然有效擴大了使用者基礎，但長期盈利能力存疑。從幻方量化的資金支援轉向獨立運營後，DeepSeek需要證明自身的商業造血能力。

• 8. 適用人群與使用建議 （共 357 字）

  DeepSeek適合幾類明確的使用場景：成本敏感的開發者和初創團隊，需要大規模API呼叫但又希望控制開支；中文內容創作者和辦公使用者，尤其是涉及古文翻譯、技術文件、公文寫作的場景；學術研究者和數學推理需求者，R1模型在數學和邏輯推理方面表現突出；需要私有化部署的企業客戶，MIT開源協議提供了充分的定製自由度。   不太適合的場景包括：對多模態（影象生成、語音互動）有強需求的使用者；需要處理政治敏感話題的國際業務場景；對英文深度推理要求極高的專業領域；追求最前沿知識時效性的使用者。   替代方案方面，國內可考慮智譜GLM系列、通義千問、文心一言等；國際市場的主要對手是OpenAI GPT系列、Anthropic Claude系列和Google Gemini系列。對於追求極致價效比的使用者，Meta的Llama系列開源模型也是可選項。

• 9. 總結 （共 156 字）

  DeepSeek以「用開源打破壁壘、用低價撬動市場」的策略，成為中國AI公司中全球影響力最大的一家。即將釋出的萬億引數V4模型將進一步拉高競爭門檻，而100億美元估值的首輪融資則標誌著公司從技術實驗走向商業正規軍。它最大的優勢始終是價效比和開源生態，最大的挑戰則在於如何在保持技術獨立性的同時實現商業可持續增長。

暫無深度報告

• 

  PYoung_2020

  —

  剛看到DeepSeek要融資的訊息，100億估值真的太低了，跟智譜507億比差了好幾倍。不過樑文鋒本來就不缺錢，這輪融資大機率是為了給員工發期權留住人。畢竟核心骨幹已經走了好幾個了，再不激勵真的要被大廠挖光了。

---

• 

  OliviaTorresZ

  —

  V4到底什麼時候發啊，等了快半年了，每次說快了快了結果又鴿。

---

• 

  Edward.Price_66

  —

  作為一個重度DeepSeek API使用者，V3.2的價效比真的沒話說。我們公司每個月呼叫大概2000萬token，換成GPT-5要花大幾千美金，用DeepSeek才不到200塊。程式碼生成質量雖然比Claude Opus差一點，但日常開發完全夠用了，省下來的錢多招兩個人不香嗎。

---

• 

  ChristopherJones

  —

  DeepSeek R1的數學推理確實強，AIME競賽題能拿87.5%準確率這個資料不是吹的，我自己測試了好幾道題確實比GPT-4o算得準。不過英文寫作質量還是差點意思，輸出格式有時候亂七八糟的。

---

• 

  CryptoFi2024

  —

  V4要是真的能做到萬億引數還保持這個價格，那OpenAI和Anthropic真的要慌了。1M上下文視窗加上原生多模態，要是真的開源Apache 2.0，國內一票閉源收費模型可以直接宣佈倒閉。

---

• 

  Arthur_Simmons_Pro669

  —

  說真的用習慣了回不去了

---

• 

  Bryan.RobertsSr

  —

  做了三個月的開發者調研，結論就是：中小團隊無腦選DeepSeek V3.2，便宜量大管飽。大企業的合規要求高的場景用Claude或GPT，畢竟資料安全這塊DeepSeek確實有隱患。2025年初那次資料庫洩露事件100多萬行聊天記錄和API金鑰全暴露了，對企業使用者來說這是硬傷。

---

• 

  Walter_ScottII

  —

  免費版居然偷偷把速率限制從60次降到10次每分鐘了？沒有任何通知直接改的，這操作真的很讓人無語。

---

• 

  iMitchellTucker_2024

  —

  用DeepSeek寫了一個月的程式碼了，感覺Python和Go的生成質量還不錯，但React元件有時候會生成過時的API用法。整體來說配合Cursor用體驗最好，純網頁端差一些。

---

• 

  DFlores_230

  —

  有沒有人發現DeepSeek的錯峰優惠真的很划算，凌晨用API價格直接打五折。我專門把批次任務排程到半夜跑，一個月省了好幾百塊。

---

• 

  Gerald702

  —

  用DeepSeek做小紅書選題和文案效率真的高，一篇筆記從選題到寫稿到配圖建議十五分鐘搞定，比我自己想半天強多了。不過內容質量還是要自己把控，AI寫的有些太套路了需要手動潤色。

---

• 

  何麗

  —

  DeepSeek中文能力確實比ChatGPT強太多了，古文翻譯這塊我對比過好幾首詩，DeepSeek的意境把握明顯更好。技術文件翻譯也更準確。不過英文寫作還是GPT和Claude的天下。

---

• 

  cAROL748

  —

  作為一個量化從業者，看到幻方2025年收益率56.6%真的很酸。DeepSeek三年燒了數億美元完全靠母公司養著，這種模式國內找不出第二家。現在開始融資了說明梁文鋒也扛不住了，畢竟V4的算力成本可不是鬧著玩的。

---

• 

  John.RossZ

  —

  又宕機了！從昨天下午到現在快12個小時了完全用不了，這已經是這個月第三次了。做生產環境部署真的心驚膽戰，誰能想到一個百億估值的公司伺服器穩定性做成這樣。

---

• 

  JeanneAndrews

  —

  最近試了一下DeepSeek的Agent功能，V3.2的智慧體能力確實有提升，工具呼叫準確率比之前高了不少。但是跟Claude的Computer Use比還是有差距，複雜的多步驟任務容易斷鏈。

---

• 

  Kathleen.KellyZ7

  —

  我們實驗室用DeepSeek跑了一批生物醫學文獻檢索實驗，發現幻覺率高達91%，就是會編造不存在的論文引用。同樣任務GPT-4o的幻覺率只有39%左右。學術場景用DeepSeek一定要人工核實，千萬別直接引用。

---

• 

  悠然457

  —

  Engram記憶模組那篇論文認真看了一遍，O(1)檢索的思路很聰明，把靜態知識編碼成雜湊索引避免重複計算。不過27B引數的演示模型效果雖然好，能不能scale到萬億引數還是未知數。

---

• 

  DennisRussellII

  —

  國產之光好吧

---

• 

  AlexanderMorales36919

  —

  DeepSeek在Reddit上被噴得最多的就是審查問題，確實有些政治話題完全沒法討論。但說實話作為開發者我主要用它寫程式碼，跟審查有什麼關係。API呼叫量大的話成本優勢太明顯了，這點小毛病完全可以接受。

---

• 

  蔡紅

  —

  對比了一下DeepSeek V3.2和GPT-4o在同一套程式碼題上的表現，30道題DeepSeek對了25道，GPT-4o對了24道，基本持平。但價格差了將近十倍，價效比碾壓。唯一的問題是DeepSeek偶爾會給出看起來正確但實際有細微bug的程式碼，需要仔細review。

---

• 

  smallzebra920

  —

  昨天測試了一下DeepSeek的金融資料分析能力，給它丟了一份財報讓它分析，結果裡面引用的營收資料全是錯的，和實際資料差了15%左右。這個幻覺率在金融場景真的不能忍，用之前一定要自己核對資料。

---

• 

  IBfis

  —

  DeepSeek的MIT開源協議真的太良心了，商用完全沒問題還可以二次開發。我們公司直接拿DeepSeek Coder做了個內部程式碼助手，效果比自己從頭訓練好多了。Llama雖然有開源但700MAU的限制太煩了。

---

• 

  翡翠879

  —

  剛知道微博和小紅書都接入DeepSeek R1了，難怪最近搜尋結果質量提升了不少。不過知乎直答接入的那版滿血R1體驗最好，回答比微博和微信AI搜尋的都詳細。

---

• 

  Jason_StewartIII0

  —

  我們團隊現在的標準工作流就是：DeepSeek處理大批次的程式碼生成和資料處理，然後Claude做最終稽核和麵向客戶的輸出。兩個模型配合著用成本降了70%質量也沒怎麼掉，真的很香。

---

• 

  DOkra

  —

  有人跟我一樣2月份那次更新之後覺得DeepSeek變了嗎？不再叫我名字了統一叫「使用者」，推薦電影還來一句「夠你看一陣子，不夠再來要」——這爹味也太重了。文風變得又油膩又矯情，寫出來的東西跟青春傷感文學似的。希望V4能把這毛病改了。

---

• 

  趙鳳靜

  —

  更新後變傻了吧，回答質量明顯下降了好幾個檔次。業內人士說是為了V4做壓力測試的極速版，犧牲質量換速度。要是這樣我可以等，但別預設給我切到這個版本啊。

---

• 

  王傑雪

  —

  DeepSeek R1的推理鏈視覺化真的很有意思，能看到它一步步怎麼想的，有時候比最終答案還精彩。做數學題的時候會看到它先試了一種方法發現不行然後自己糾正換思路，這個自我糾錯能力確實強。

---

• 

  JPerez369

  —

  免費版對於非開發者使用者來說完全夠用了，對話質量不輸ChatGPT Plus的日常使用場景。唯一的缺點是沒有多模態，圖片識別還得用GPT-4o。等V4上了原生多模態估計會大一波。

---

• 

  孔雅

  —

  DeepSeek月活3.28億這個資料太恐怖了，跟豆包形成雙寡頭格局。但月活高不等於最好用，程式設計師寫程式碼還是更願意用Claude或Cursor。不同場景選不同工具才是正解。

---

• 

  Megan_Hicks

  —

  試了一下把DeepSeek R1蒸餾到本地跑，用個70B的引數量在普通顯示卡上推理速度還可以，數學題準確率大概能到原始R1的85%左右。對不想用API但又想用國產模型的開發者來說是個好方案。

暫無評論