{
  "id": "deepseek",
  "title": "DeepSeek",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "DeepSeek是一家总部位于中国杭州的人工智能公司，以发布开源权重的大语言模型（尤其是推理模型R1）闻名。",
  "category": "computer-science",
  "subcategory": "artificial-intelligence",
  "type": "organization",
  "aliases": [
    "深度求索",
    "杭州深度求索人工智能基础技术研究有限公司"
  ],
  "generated_at": "2026-10-16",
  "model": "pro/claude-haiku-5-5",
  "url": "https://aiwiki.page/zh/deepseek/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/deepseek/",
      "json": "https://aiwiki.page/en/deepseek.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "DeepSeek是一家总部位于中国杭州的人工智能公司。该公司主要开发大语言模型，并因以开放权重的方式发布多款模型而受到广泛关注，这意味着其他人可以下载并运行其训练好的参数。其最著名的成果是2025年1月发布的推理模型R1，该模型在显著更低的训练和使用成本下，取得了可媲美顶级专有系统的性能。该公司的长期目标是实现通用人工智能。"
    },
    {
      "heading": "历史",
      "text": "DeepSeek起源于量化投资机构幻方量化，后者由毕业于浙江大学的梁文锋于2015年联合创办。幻方量化此前已在其交易策略中运用机器学习，并为此构建了大型GPU集群。AI研究团队于2023年4月公开宣布成立，并于2023年7月正式注册为杭州深度求索人工智能基础技术研究有限公司。部分第三方资料将其成立时间记录为2023年5月，但工商注册信息及多数参考资料普遍采用7月这一时间节点。\n\n公司早期的发布成果包括2023年的DeepSeek-Coder和DeepSeek-LLM系列。2024年5月推出的专家混合模型DeepSeek-V2以低廉的调用价格引发广泛关注，并在中国AI厂商之间掀起了一轮价格战。随后，DeepSeek-V3于2024年12月问世，据报告在多项基准测试中足以媲美GPT-4o。R1模型于2025年1月20日发布，基于该模型构建的面向消费者的聊天应用在数天内便登顶美国苹果应用商店（App Store）下载榜。这一进展引发了巨大的市场反响：当时的多篇报道指出，英伟达股价在单日交易中大幅下挫，市值缩水极为严重。\n\nV4系列模型于2026年4月24日首次预览，其中包括拥有约1.6万亿总参数、每标记（token）激活约490亿参数的大型模型V4-Pro，以及规模较小的V4-Flash。V4-Flash于2026年7月31日基于MIT许可证开放权重发布。V4-Pro于2026年8月中旬全面上线，相关资料显示具体日期为8月12日或13日。2026年9月10日，DeepSeek发布了引入原生视觉理解能力的V4.1-Flash，据称参数量约为5520亿。V4系列模型支持长达100万标记的上下文窗口。"
    },
    {
      "heading": "模型与技术",
      "text": "专家混合模型\n\nDeepSeek的大多数旗舰模型均采用专家混合模型（MoE）架构。该架构并不针对每个标记激活全部参数，而是通过一个经过训练的门控路由网络来挑选一小部分专用子网络。以R1为例，其总参数量为6710亿，但在每次前向传播中仅激活约370亿参数，占比大约为 \\(37/671 \\approx 5.5\\%\\)。这种设计使模型能够利用庞大的参数储备，同时将推理计算量保持在与规模小得多的稠密模型相当的水平。\n\n注意力与数值计算效率\n\nDeepSeek提出了多项提升效率的技术。多头潜在注意力（Multi-head Latent Attention）通过压缩注意力机制计算过程中使用的键值缓存（KV cache），显著降低了处理长上下文生成时的显存占用。该公司还介绍了混合精度训练方法，将大部分计算密集型操作放在8位浮点数（FP8）下运行，同时让部分关键计算保持较高精度，从而降低了在图形处理器硬件上的运行成本。此外，DeepSeek还采用了多标记预测作为训练目标。\n\n用于推理的强化学习\n\nR1基于V3基础模型构建，通过大规模强化学习训练来激发思维链推理能力。根据R1的技术报告，仅通过强化学习训练且未经过监督微调（SFT）的早期版本虽然展现出很强的推理能力，但输出内容的可读性较差，因此最终发布的模型在强化学习阶段前引入了少量监督微调数据。这种方法减少了对海量人工标注推理过程数据的依赖，而许多其他实验室此前高度依赖这类数据。"
    },
    {
      "heading": "成本与效率争议",
      "text": "DeepSeek公开的成本数据常被引用，但也容易被误解。外界广为流传的约560万美元主要指V3模型最终一次训练运行所预估的租赁GPU成本，该过程调用了约2000张英伟达H800芯片。这一数字并不包括前期的探索性研究、失败的实验、数据采集费用，以及公司在基础设施上的整体投资；分析人士认为后者的规模要庞大得多。至于R1在推理阶段的训练成本，发表在《自然》（Nature）期刊的一篇同行评议论文指出该成本要低得多，是在512张H800 GPU上运行约80小时完成的，约为29.4万美元。先进芯片对华出口限制促使该公司将重心放在硬件效率上，这一外部约束也常被视作其深耕算法优化的重要动因。"
    },
    {
      "heading": "开源权重与授权许可",
      "text": "DeepSeek的核心模型通常采用MIT许可证发布，允许商业使用、修改以及模型蒸馏。模型权重发布于Hugging Face等平台，并积累了海量的下载量；据第三方统计，截至2026年9月，其一百多款公开模型的累计下载量已超过3.7亿次。此外，该公司还以通常低于西方主流厂商的价格提供应用程序编程接口服务，并上线了免费的网页版及移动端聊天机器人。\n\n这种开放性也有其界限。DeepSeek虽然公开了模型权重和技术报告，但并未开源完整的训练代码或训练数据集。一些独立项目（例如由Hugging Face牵头的Open-R1项目）曾尝试根据公开资料复现其训练流程，但这些努力受限于公司未公开的诸多技术细节。"
    },
    {
      "heading": "组织架构",
      "text": "DeepSeek是一家未上市的私营企业，资金由同为梁文锋执掌的幻方量化提供。梁文锋担任DeepSeek的首席执行官。第三方资料显示，该公司在2025年拥有约160名员工。据公司介绍，其内部组织架构层级扁平，研发团队可自主选择研究课题，并在项目取得阶段性成果时集中投入资源。目前关于该公司的财务状况、营业收入及人员构成的公开信息依然较为有限。"
    },
    {
      "heading": "反响与争议",
      "text": "DeepSeek的模型因高技术效率和开放的授权方式受到了赞誉，并在寻求低成本替代方案的开发者、研究人员及企业中得到了广泛应用。尽管该公司发布的基准测试成绩大体上得到了独立测试的部分证实，但具体表现因任务而异，一些评估指出其模型在某些特定任务上仍落后于顶尖的专有系统。\n\n该公司的崛起也引发了政策和安全层面的讨论。多个国家和机构因对数据处理规范以及服务所属司法管辖权的担忧，限制或审查了在政府设备上使用DeepSeek应用的情况。此外，争论的焦点还包括前沿AI的开发成本是否真如宣传的那样低廉、出口管制措施能在多大程度上发挥作用，以及对于具备此类能力的模型而言何种程度的开放最为适宜。外界针对这些问题的报道侧重点各有不同，而DeepSeek通常选择通过技术论文而非就具体指控作出详细的公开回应。"
    }
  ],
  "links": [
    "china",
    "hangzhou",
    "artificial-intelligence",
    "large-language-model",
    "zhejiang-university",
    "attention-mechanism",
    "graphics-processing-unit",
    "reinforcement-learning",
    "application-programming-interface"
  ],
  "sources": [
    {
      "title": "DeepSeek History (2026): Liang Wenfeng, R1, V4 and V4.1",
      "url": "https://www.taskade.com/blog/deepseek-ai-history"
    },
    {
      "title": "DeepSeek",
      "url": "https://en.wikipedia.org/wiki/DeepSeek"
    },
    {
      "title": "'Pride of His Hometown': Who Is DeepSeek Founder Liang Wenfeng? What to Know About the 40-Year Old Billionaire",
      "url": "https://www.entrepreneur.com/business-news/who-is-liang-wenfeng-the-founder-of-ai-disruptor-deepseek/486564"
    },
    {
      "title": "Liang Wenfeng（Founder and Chief Executive Officer of DeepSeek）_Baiduwiki",
      "url": "https://baike.baidu.com/en/item/Liang%20Wenfeng/943430"
    },
    {
      "title": "Who is the Founder of DeepSeek AI, Liang Wenfeng?",
      "url": "https://seo.ai/blog/who-is-the-founder-of-deepseek-ai"
    },
    {
      "title": "DeepSeek V4 Targets Coding Dominance with Mid-February",
      "url": "https://introl.com/blog/deepseek-v4-february-2026-coding-model-release"
    },
    {
      "title": "DeepSeek officially launches V4-Pro AI model in August 2026",
      "url": "https://tech.yahoo.com/ai/articles/deepseek-officially-launches-v4-pro-181255468.html"
    },
    {
      "title": "DeepSeek Models in October 2026: V4.1-Flash and V4-Pro",
      "url": "https://platform.teamai.com/blog/large-language-models-llms/understanding-the-different-deepseek-models/"
    },
    {
      "title": "DeepSeek (chatbot)",
      "url": "https://en.wikipedia.org/wiki/DeepSeek_(chatbot)"
    },
    {
      "title": "DeepSeek V4: Models, Specs, Pricing, and What's Current (2026)",
      "url": "https://www.yottalabs.ai/post/deepseek-v4-release-date-specs-how-to-access-2026"
    },
    {
      "title": "AI Model Release Tracker",
      "url": "https://www.evertune.ai/resources/ai-model-tracker"
    },
    {
      "title": "Deepseek Release Notes - September 2026 Latest Updates - Releasebot",
      "url": "https://releasebot.io/updates/deepseek"
    },
    {
      "title": "DeepSeek Statistics 2026: Users, Models, Costs and Adoption - Second Talent",
      "url": "https://www.secondtalent.com/resources/deepseek-statistics/"
    },
    {
      "title": "2025 in artificial intelligence",
      "url": "https://en.wikipedia.org/wiki/2025_in_artificial_intelligence"
    },
    {
      "title": "DeepSeek-R1: The Open-Source Reasoning Model",
      "url": "https://www.sitepoint.com/deepseek-r1-open-source-reasoning/"
    },
    {
      "title": "Comprehensive Analysis of Transparency and Accessibility of ChatGPT, DeepSeek, And other SoTA Large Language Models",
      "url": "https://arxiv.org/pdf/2502.18505"
    },
    {
      "title": "How to Run DeepSeek R1 with Ollama (October 2026)",
      "url": "https://www.thundercompute.com/blog/deepseek-r1-ollama"
    },
    {
      "title": "DeepSeek's Low Inference Cost Explained: MoE & Strategy",
      "url": "https://intuitionlabs.ai/articles/deepseek-inference-cost-explained"
    },
    {
      "title": "Open-R1: a fully open reproduction of DeepSeek-R1",
      "url": "https://huggingface.co/blog/open-r1"
    },
    {
      "title": "DeepSeek is open-access and the next AI disrupter for radiology",
      "url": "https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12363671/"
    },
    {
      "title": "DeepSeek R1: What It Is, How It Works, and Why It Matters",
      "url": "https://www.generalcompute.com/blog/deepseek-r1-what-it-is-how-it-works-and-why-it-matters"
    },
    {
      "title": "DeepSeek R1: Reasoning, Pricing, and Coding Use - Verdent Guides",
      "url": "https://www.verdent.ai/guides/model/deepseek-r1"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}