《51CTO：2025年DeepSeek入门宝典-技术解析篇（22页）.pdf》由会员分享，可在线阅读，更多相关《51CTO：2025年DeepSeek入门宝典-技术解析篇（22页）.pdf（22页珍藏版）》请在三个皮匠报告上搜索。

1、DeepSeek是什么？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是幻方量化于2023年创立的大模型子公司，创始人为梁文锋2024年1月5日，其发布第一个同名AI大模型 DeepSeek LLM2025年1月20日，DeepSeek R1正式发布，为对标对标 OpenAI o1 OpenAI o1正式版的高性能推理模型；R1上线后火速出圈，其应用创造了全球 APP APP 历史上增长最快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

2、，并公开训练技术，允许开发者访问和学习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的三大特点高性能高性能开源开源低成本低成本使用DeepSeek的五种方式对比普通用户普通用户作为生产力工具及技术尝鲜https:/ 和 MNN等工具硅基流动、腾讯云、阿里云等https:/ R1核心技术揭秘 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R1的基座模型：V3V3V3模型的特征模型的特征V3是去年12月发布的自研 MoE 模型参数与GPT-4大

3、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R1R1在在DeepSeekDeepSeek V3 V3基础上进行了开发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）V3V3：对标GPT-4o，通过指令微调和偏好微调提升性能R1R1：专注于推理能力R1的三种变体DeepSeek V3DeepSeek V3R1-ZeroR1-ZeroR1DeepSeek-R1-Distill基座模型变体 1变体2变体3直接强化学习训练多阶段渐进训练模型蒸馏R1训练的技术路径原图作者

4、：Sebastian RaschkaR1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 TracesR1

5、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“

6、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，被视为走向AGI的重要一步。图注：DeepSeek R1 的推理过程关键贡献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