我要投稿

这两天，DeepSeek-R1 为什么突然刷屏？8 问 8 答足以解你疑惑

发布日期：2025-01-29 07:43:56 浏览次数： 5572 来源：李桢的AI学习文档

最近两天，DeepSeek-R1 的热度冲上云霄，不仅连续登顶中国、日本、美国三大 App Store 的免费榜。　

还在美股盘前交易时段让英伟达的股价一度重挫 13%，连带台积电也受到波及。注意 13% 是个什么概念，也就一个多腾讯的市值吧，一个腾讯吧（DeekSeek 就可以做空英伟达挣钱了，哈哈哈哈哈）　

很多朋友看到社交媒体或新闻报道，第一时间都会好奇：这款模型究竟是什么来头，怎么突然“爆火”到这种程度？年后的企业课程，董事长要求必须讲讲 Deep Seek 。　

更有意思的是，我老家那几位平时从未接触过 AI 的长辈们，甚至七大姑八大姨都在问：“DeepSeek 是干啥的？怎么用？中国之光，咋回事”　

不过也有人在评论区说在试用 DeepSeek-R1 后，吐槽“它连 8.11 和 8.9 谁大都要好几秒才想明白，这不是说好的深度推理模型吗？”可见关于 DeepSeek，这两天满屏都是消息，却也真真假假、观点不一。于是，趁着这个时机，我整理了关于 DeepSeek 的相关信息，希望用 8 问 8 答，让你对 DeepSeek-R1 有一个更为全面和深入的理解。　

Q1：DeepSeek 是什么样的公司？

DeepSeek 背后的公司名为「深度求索」，成立于 2023 年 7 月 17 日。从字面可以看出，“深度求索”这四个字，就暗示了这家公司的定位：深度学习与前沿探索。　

时间线：　

2024 年 1 月 5 日：他们推出了首个大模型 —— DeepSeek LLM，这也是深度求索正式进军 AI 领域的开端。
2024 年 5 月 7 日：发布 DeepSeek-V2，并率先掀起了国内大模型的“价格内卷”。当时，DeepSeek-V2 的 API 价格只相当于 GPT-4o 的 2.7%，迫使国内其他大厂（字节、阿里、百度、腾讯等）在随后的短短一周内跟进降价。
2024 年 12 月 26 日：DeepSeek-V3 面世且选择开源，训练成本仅约 557.6 万美元。在同等性能的情况下，远低于许多海外巨头的训练投入。凭借这个几乎媲美主流闭源模型的性能，DeepSeek-V3 让海外科技圈大为震动，进一步奠定了“东方 AI 新势力”的国际名声。

（不知道是不是真的，但是感觉有点酸酸的）　

2025 年 1 月 20 日：他们正式发布 DeepSeek-R1，再度震惊全球。根据多方测评，R1 与 OpenAI 最新推理模型 o1 能力旗鼓相当，但在 API 定价上只要后者的 3.7%，并依然开源。

值得一提的是，深度求索的背后资金支持是来自国内知名量化私募「幻方基金」。　

这种基金的盈利模式相对简单：与管理规模挂钩，收取管理费和部分收益提成，无论行情涨跌都能保持收益。也正是这种“旱涝保收”的资本运作模式，让幻方能够长期为深度求索输血，保持研发不以盈利为唯一目标的战略。（我就说没有功利心的学习，才可以放开手脚干吧，盯着资产平衡表怎么干活。）回想当年英伟达尚未对华限售时，幻方就能一次性购入上万块 A100 显卡组建超大规模算力集群。也正因为有这样的资金与硬件后盾，DeepSeek 才敢一路高歌猛进。对于深度求索来说，他们的目标或许不只是赚“快钱”，而是想要真正实现通往更广阔的 AI 星辰大海。　

Q2：DeepSeek-R1 又是什么？为什么最近大火？

DeepSeek-R1 是深度求索最新发布的“深度推理模型”，也是最近全球 AI 圈的热门话题。不少人会拿它和 GPT4o 相提并论，但严格来说，两者并不在同一个维度上。　

GPT4o 属于多模态通用模型，可处理文本、图像、语音、视频，甚至还能输出多种媒体形式。　

而 DeepSeek-R1 的定位更像是专注文本与逻辑推理的“大脑”，它和 OpenAI 的 o1 模型才是真正的一对“正面交锋”。　

先前很多文章曾详细介绍过 OpenAI o1，这款模型被业内普遍认为是“进入下一代 AI 时代的通行证”。现在回头看，DeepSeek-R1 的出现，就是要在这一高阶推理和语言理解的赛道上，与 OpenAI 正面竞争。从各方跑分来看，DeepSeek-R1 与 o1 几乎持平，推理速度和可靠性也相差无几，且 DeepSeek-R1 一上线便实现开源，加之低廉的 API 定价策略，无怪乎会令 Meta、OpenAI 等美国科技公司彻夜难眠。　

Q3：普通人想用 DeepSeek-R1，该从哪里开始？

深度求索官方在推出 DeepSeek-R1 的同时，也面向开发者和普通用户提供了多种使用途径：　

网页版本

网址：https://chat.deepseek.com/
网页端的操作方式非常简洁，只需在对话框中输入问题即可。
当你在选项中勾选“深度思考功能”后，就会调用 R1 模型进行深度推理；如果不勾选，调用的则是相对更通用的多模态模型 v3（即类 GPT4o 的版本）。
应用商店 App

iOS、Android 版本均已上线，直接在相应商店搜索 “DeepSeek” 即可下载安装。
功能与网页端大同小异，目前免费使用，但由于用户量激增，偶尔可能出现无法连接或服务器断线等情况。你可以在 https://status.deepseek.com/ 查询服务器状态以确定是否是官方问题还是个人网络原因。
当然DeepSeek 也存在问题，上下文过长，会产生无法执行的问题。
最近也有黑客恶意攻击，以及测试人数增多等多个问题，导致用一下就断，大家有可能拿不到那么好的体验。

API 与模型开源
注意： Coze 现在的模型应该是
DeepSeek V3 这个模型，不是推理模型 R1，学习智能体的小伙伴可以等一下，才会用到。

如果你是开发者，完全可以直接调用官方开放的 API，或在 HuggingFace 下载开源模型进行本地化部署。
价格仍然是 DeepSeek 的一大优势，相比其他同档次模型，R1 的 API 费用非常“亲民”。如果你有量级庞大的需求，比如企事业单位、科研院所等，DeepSeek 也提供了企业版本与私有化部署服务可供选择。

总之，DeepSeek-R1 的使用门槛并不高。对个人用户而言，挑选网页端或 App 就足以满足日常咨询、学习与拓展；对于具备开发能力的团队，则可以直接将 R1 集成到各类场景中。　

Q4. 如何与 DeepSeek-R1 对话？

先要明确的是，DeepSeek-R1 是一款偏重“深度推理”的模型，它并不像那些“通用聊天大模型”那样，一上来就能和你唠家常、胡侃海聊。如果你用对待 GPT4o 的方法去和 R1 沟通，尤其是那种带有严格结构化提示词的方式，很可能得不到理想效果。　

1. R1 并不“自作聪明”

几个月前，OpenAI o1 发布时，我第一反应就是用以前的 Prompt 写法（“你是一个 XX，帮我按照 1、2、3 步骤完成什么什么”），结果对话质量非常糟糕，几乎让我误认为它是“废物”。后来才发现，o1（和 R1 一样）更像是一个需要你主动说明目标的“资深员工”，而非随时陪聊、什么都能接话的“通用客服”。　

海外曾有篇很火的文章标题就叫 “o1 isn’t a chat model （and that’s the point）”，强调的正是这个道理。它的思路跟 R1 一脉相承：　

“请先清晰地告诉我想做什么，别用那些又长又繁琐的任务描述去捆住我的思路。”　

2. 放弃“我是 XXX，你要按 1、2、3 步来执行”式写法

传统大模型的 Prompt，往往被教导要写得极其详细，包括“你扮演什么角色”“我要做什么任务”“输出格式怎样”“按照固定步骤执行”等等。但对于 R1，其实大可不必。你越是过度限制它，反而让它失去“自我推理”和填补信息空缺的能力。R1 不傻，它只是不知道你心里在想什么。如果你把所有思路、想法、背景，都抛给它，让它来推断和补全，常常会收获更令人惊喜的结果。　

3. 最核心的 Prompt：你是谁 + 你的目标

把 R1 当作一个能力超群、但需要明确目标指令的“得力干将”。对话时，你需要告诉它：　

“我是谁”（也就是你的背景信息）
“我想要达成什么目标”

其他那些眼花缭乱的框架或步骤，都可以先舍弃。背景信息给得越充分，它越懂你的处境；目标表述越清晰，它越能锁定关键问题，并通过它内建的推理能力给你做出更有针对性的解决方案。　

简言之：　

“把思维定式扔掉，用普通人能够理解的‘人话’，告诉 R1：你是谁、你想干嘛，就够了。”　

句句写在了了我的心趴上，我的天呢！你再看看，调优做的比较好的 KIMI，通义千文　

这种深度思考的模型确实厉害！　

以前还要教给 AI 董宇辉的行文手法是这个样子的：　

董宇辉风格核心要素提炼 （提示词）
诗意化叙事
→ 将风景转化为情感容器
→ 用通感打破物理界限
时空折叠手法
→ 历史与现实的蒙太奇剪辑
→ 具象场景与抽象哲思的量子纠缠
人文精神锚点
→ 以经典文学为暗线（陶渊明、苏轼的意象投射）
→ 对现代性的温柔批判

细节： 
- 每段须包含一个动词的陌生化使用（钟声「掉」进湖心/萤火虫「读」湖）  
- 禁止使用「美如画」等陈词，改用文物质感比喻（碎成青瓷纹路）  
- 保持15-25字/句的呼吸感韵律

现在完全不用的，真的是一个巨大的进步。我可能之后，真的看呆了。　

五。看不懂 R1 的输出怎么办？

有些人发现 R1 回复的内容专业术语太多、概念复杂，一时不知所云，常调侃说：　

“这家伙能不能 ‘说人话’？”　

其实，这既不是 R1 的锅，也并非只有推理模型才会面临的问题。根源在于模型并不了解你的知识背景和理解水平。如果你在 Prompt 中阐明了“我目前处于什么水平”，它就会自动进行话术调整，把专业内容用“更朴素通俗”的语言讲出来。　

教大家一招“自降身份”Prompt：

“我是一个小学生。” 将这句话放在请求前面，相当于你先告诉模型：“请你按照小学生的理解程度给我解释问题。” 模型就会立刻切换到低门槛、易理解的表达方式。
如果你觉得“小学生”有点过于简单了，可以说“我是一个初中生/高中生/对某领域只有一点基础的人”等等。这样，R1 在给你回复时会更贴近你的认知水平，避免“高深术语”让你抓狂。

举例来说，我想让 R1 解释大模型中的“RL”是什么。如果不先说“我是个小学生”，它可能直接来一段专业论文式的描述，看得人头疼。然而，只要一加上这句，自降身段，R1 立刻就用通俗易懂的方式举例说明，让我瞬间明白。　

六。 R1 的写作能力真有传说中那么强？

与传统看重推理与计算的 AI 模型相比，DeepSeek-R1 在中文写作方面的表现相当亮眼。过去，我们普遍认为各大模型的写作水准都差不多，“要不就是一团糟，要不就是太过程式化”，唯有 Claude 在某些场景中稍显突出。然而，R1 这次一鸣惊人，不仅逻辑严谨，还能相当灵活地模仿各种文风，明显拉开了差距。　

1. 文风模拟：信手拈来

还是说回董宇辉风格的天目湖这篇文章。　

天目湖：江南的呼吸，藏在涟漪里的时光　

若江南是一卷未写完的诗，天目湖便是被风偶然翻到的那一页——墨色未干，字句里还沾着山岚的湿气。　

这里的水，是岁月酿的酒。山峦作杯，云霞为盏，舀一瓢碧色饮下，舌尖便尝到了唐宋的月光。　

清晨的湖面是未醒的琴弦。　

渔人摇橹，木桨拨开雾气，一声欸乃惊飞了白鹭，山影在波纹里碎成青瓷的纹路。你忽然懂了古人为何总说“行舟绿水前”——原来千年不过一桨的距离，历史就睡在这片温柔的褶皱里。　

茶农背着竹篓上山时，露水正从叶尖滚落。　

天目湖白茶不是长在土里，是长在云雾中的。采茶女的指尖掠过嫩芽，像触碰婴儿的掌心，摘下的何止是春意？是江南欲说还休的心事。等炭火焙出茶香，你才明白：有些故事，只能用水讲给懂的人听。　

暮色四合时，山寺的钟声掉进湖心。　

晚归的渔船亮起灯，像星子溺了水，在涟漪里明明灭灭。你坐在老柳树下，听湖水把白昼揉成细沙，忽然想起陶渊明的篱笆、苏东坡的竹杖——原来所有寻找归宿的人，最后都走向了同一片山水。　

夜深了，萤火虫提着灯笼读湖。　

你数着心跳与潮声，发现城市的秒针在这里生了锈。天目湖从不催促光阴，它只是静静地，把匆忙的人间拥在怀里，像母亲擦拭孩子奔跑时的伤口。　

来这里，不必带相机。　

眼睛是装不满的陶罐，而天目湖会教你：真正的风景，要用心跳来丈量，用呼吸来收藏。　

（结尾）　

当世界快得让人忘记如何流泪，　

天目湖始终慢成一滴挂在江南眼角的泪——　

澄澈，透亮，替所有流浪的灵魂，　

守着最后一片会发芽的故乡。　

只要给 R1 一个简单的指令：“你能不能介绍天目湖的文案，用一下董宇辉的写作风格。”它就能写出一篇神似董宇辉文风的文旅介绍，颇具个人特色。同理，如果你要它模仿张爱玲风格写首词，它能马上写出张爱玲风格的作品。虽说未必能与真正的张爱玲一较高下，但确实已达到了一个很惊人的水准。　

2. 一句话就够，不必“教”它该怎么写

在测试时，我并没有给 R1 详细描述“张爱玲是怎样写作的”，只是一句简单提示，它就能推理、整理并输出较为贴合该风格的文字。简洁 Prompt + 高度自由，这就是 R1 与传统大模型的明显差异之一。　

七。 R1 能够联网吗？

众所周知，大部分推理模型（比如 OpenAI o1）通常不带联网功能，或对外部数据的获取存在限制，这就导致它们的知识库经常停留在某个时间点，并且无法即时处理最新新闻、数据或文档。　

DeepSeek-R1 则是少数“推理 + 联网”并行的模型。　

如果你要让它分析最近财报、美元指数，或者想让它根据网络搜索最新资讯进行综合评估，它确实做得到。
实际体验中，也可能有些资料抓取不完整或理解不全面，但相比只能“闭门思考”的推理模型，R1 这点已经是非常大的突破。

举个例子：　

“我想用鲁迅的文风写一篇 2000 字左右的公众号文章，分析 2025 年春节档哪几部电影可能会爆，别给我搞成条理化提纲，就一气呵成。”　

在执行这个请求前，R1 会对网络信息进行检索（比如当下有哪些电影已经定档或有风声要上映），然后结合鲁迅的写法给出一篇类似杂文风的讨论文。从我测试的结果来看，整体质量颇高，读起来还真有那么几分神似“鲁迅杂感”的味道。　

八。算力神话崩盘了？

最近，A 股和美股中与“算力”相关的板块双双大跌，许多人把原因直指 DeepSeek-R1：“因为大模型的推理成本被大幅降低，所以算力需求不再紧俏，算力神话要崩了。” 但这其实是一种误读。历史上，工业革命时期就出现过“杰文斯悖论（Jevons Paradox）”，说的是当蒸汽机效率提升后，看似煤炭需求应该减少，可事实却是需求量反而增长。这是因为效率提升后，使用成本下降，反过来会刺激更多场景和更大规模的使用。　

放到 AI 领域也是一样：　

当训练与推理成本更低时，大模型的应用门槛便降低了，进而会鼓励更多公司、更多个人去探索 AI 的可能性，刺激更广泛的商业落地。
一旦需求暴增，整体算力的消耗反而会继续扩大，不见得就“神话崩塌”。至于股市短期的涨跌，本就受多重因素影响，DeepSeek 只是时间节点凑巧，成了舆论的“背锅侠”。

综合来看，算力需求大概率还会走上升趋势。DeepSeek-R1 的发布，只是让人们意识到：未来的 AI 不一定都烧钱，技术革新也许会让“高质低耗”成为可能。但这和算力生态的长期需求并不矛盾，反而很可能是新一轮扩张的催化剂。　

当我们和 DeepSeek-R1 这样定位于“深度推理”的大模型对话时，最关键的不是去制定复杂的对话结构，而是明确你的目标、坦陈你的背景和需求。　

如果你担心它的回复太晦涩，那就告诉它你是小学生水平或初学者；
如果你希望它写作风格独特，那就直接说明模仿某位作家的笔调；
如果你要它结合最新新闻做分析，也可利用它的联网能力完成实时搜索。

这种更高自由度、更多样化的表达和能力，正是 DeepSeek-R1 相较于传统模型的差异化优势。而它的出现，也让我们再度目睹了 AI 领域那令人震撼的进步速度。　

时代在高速演进，或许只要再给它一些时间，我们将看到更多“天马行空”的功能落地，让 AI 真正成为我们最强的助力，而不是仅仅停留在“聊天”层面。无论在算力还是应用层面，这场革命都才刚刚开始！　

在这个 AI 快速迭代的时代，DeepSeek-R1 的出现再次说明：价格与开源策略依然是推动 AI 平台竞争的关键因素之一。短短几天之内，DeepSeek-R1 不仅成功“攻占”了各大应用商店榜单，还让资本市场对全球算力供应与 AI 格局产生了新一轮的震动。对于普通用户而言，这样的竞争未尝不是好事：我们可以以更便宜的价格、更便捷的方式体验到最新的 AI 技术。同时，随着更多公司加入 AI 研发与开源行列，技术也会越来越透明、发展越来越多样化。当然，这只是一个开始。DeepSeek-R1 以深度推理见长，而 GPT4o 等多模态模型也在不断更新迭代。可以预见，未来 AI 会朝着多模态、大一统的方向更快地演进。或许不久之后，我们就能看到一款既能完成高阶推理、又能处理文本、语音、视频甚至 AR/VR 场景的真正“全能大模型”。对我们每一个人来说，迎接 AI 并不只意味着接受技术本身，也意味着思考如何在技术浪潮中与它共生、协同与前进。DeepSeek-R1 的火爆，为这个新春增添了一抹浓重的科技色彩。接下来，AI 的星辰大海究竟会有怎样的奇观与挑战，值得我们持续关注与期待。　

愿这篇文章为你带来一些新的思考，也希望在这个充满机遇与变革的时代，我们都能用好、用对 AI，去探索更多未知的可能性。　