DeepSeek

推理与代码能力顶尖、价格极低、开源可本地部署，是国内大模型中的性价比首选。

---

一、是什么

DeepSeek 是深度求索开发的大语言模型系列，以 DeepSeek-V3（通用）和 DeepSeek-R1（推理）为代表。R1 采用 MIT 开源协议，允许商业使用和二次开发。

二、为什么重要

DeepSeek 在数学、代码、推理任务上表现突出，同时 API 价格极具竞争力，R1 的开源也让本地部署和小模型蒸馏成为可能。

三、核心机制 / 关键信息

• 官方名称：DeepSeek
• 官网：https://www.deepseek.com
• 对话入口：https://chat.deepseek.com
• API 文档：https://api-docs.deepseek.com
• GitHub：https://github.com/deepseek-ai
• RSS / 动态：DeepSeek 官方公众号 / API 更新日志
• 当前主要版本 / 模型矩阵：DeepSeek-V3 / V3.1 / V3.2、DeepSeek-R1 / R1-Zero / R1-Distill 系列
• 国内可用性：可用；API 便宜，但高并发时可能波动
• 定价模式：按量付费；开源权重可免费下载

四、典型用法（0→1→2→3）

1. Step 0：区分任务类型：
   • 通用对话/代码 → V3 系列
   • 数学/逻辑/长推理 → R1 系列
2. Step 1：在网页版试用 R1：观察思维链输出，验证推理过程。
3. Step 2：接入 API：替换现有应用中的模型接口，降低调用成本。
4. Step 3：本地部署蒸馏模型：R1-Distill-Qwen-32B 等可在消费级显卡运行。

五、常见误区与替代方案

• 误区：DeepSeek 只适合代码。它在数学、科研和推理任务上也很强。
• 误区：R1 一定比 V3 好。通用任务用 V3 更快更便宜。
• 替代方案：需要稳定企业级服务时对比通义千问；需要长文本时对比 Kimi。

六、延伸阅读 / 相关卡片

• [[阿里通义千问 Qwen]]
• [[月之暗面 Kimi]]
• [[智谱清言]]
• DeepSeek GitHub

---

使用提示（AI 引用块）

• 适用场景：数学推理、代码生成、科研、低成本 API、本地部署。
• 不适用场景：需要 7×24 稳定高并发、严格 SLA 的企业生产环境。
• 常见错误：把所有任务都交给 R1，导致响应慢、成本高；通用任务应优先用 V3。

---

这张卡片由杨思远基于真实工作流和实测经验整理。如发现信息过时或有误，可通过 /contact 反馈。