推荐语

掌握DeepSeek，洞悉大模型未来趋势。

核心内容：
1. DeepSeek特性及其技术路线分析
2. DeepSeek与竞品性能对比
3. DeepSeek在金融风控等领域的应用前景

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

一、大模型发展回顾

• 从OpenAI看大模型发展趋势

2024年5月，OpenAI发布了GPT-4o，模型能够处理和生成文本、图像和音频。GPT-4o 在语音、多语言和视觉基准测试中取得了最先进的成果，创造了语音识别和翻译的新纪录。

2024年7月，OpenAI发布了GPT-4o mini，取代 ChatGPT 界面上的 GPT-3.5 Turbo，API 成本显著降低，适用于企业、初创公司和开发者。

2024年9月，OpenAI 发布了 o1-preview（更适合推理任务）和 o1-mini（更适合编程任务）模型，这些模型设计为在生成回答时花费更多时间思考，从而提高准确性。

2024年12月，OpenAI 发布了 o1，比 o1-preview 更智能、更快，功能更多（比如多模态功能）

2025年2月，OpenAI 发布了o3-mini，o3-mini在大多数情况下o3-mini比o1-mini产生更准确、更清晰的答案，同时响应更快，其平均响应时间为7.7秒，较o1-mini的10.16秒提升了24%。

2025年2月9日，OpenAI发布全新的智能体-deep research，可以进行网络浏览和数据分析，可以利用推理来搜索、解释和分析互联网上的大量文本、图像和PDF文件，并根据搜集的信息进行灵活调整。

2025年2月9日，OpenAI表示内部已达到了GPT-4.5，表示接下来的重点是高能力的推理模型、多模态以及智能体。

2025年2月28日，OpenAI发布GPT-4.5，最大、知识最丰富、情商最高的大模型。

*GPT-4o的o表示omni，意为“全知全能的”；o1/o3的o表示OpenAI.

从OpenAI的发展过程看大模型的发展趋势：

• GPT-x系列: 更强的通用能力；
• GPT-4o等：多模态输入输出能力；
• o系列: 推理模型，复杂推理能力, CoT；
• -mini: 更低成本、更快响应速度；

• deep research等: 大模型agent；

大模型是如何构建的？

引用论文 Large Language Models: A Survey [1]

• Step 1: 准备数据和数据清洗。数据集源于网页、书籍、博客、知乎、百科等。
• Step 2: 分词，转化为模型可用于输入的token
• Step 3: 位置编码
• Step 4: 进行模型预训练，即输入文本，让模型做next token prediction等任务。

• Step 5: 通过SFT等手段微调和指令微调, 教会大模型如何对话和完成特定任务
• Step 6: 通过RLHF等手段进一步对齐人类偏好，引入人类反馈，指导模型优化方向，生成更加符合人类需求，缓解有害性和幻觉的问题
• Step 7: 通过贪心搜索等生成策略，逐步生成下一个词

• Step 8: 优化与加速训练推理过程

核心的三个步骤: 预训练，有监督微调和人类反馈强化学习。

大模型发展至今，可以分为: 通用大模型与推理大模型。

• 通用大模型: 适用于大多数任务，侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推理模型那样复杂的推理和决策能力。

• 推理大模型: 在传统模型基础上，强化推理、逻辑分析和决策能力。

思维链(Chain of Thought, CoT)通过要求/提示模型在输出最终答案之前，显式输出中间逐步的推理步骤这一方法来增强大模型的算数、常识和推理的性能。从该角度，可以将大模型的范式分为两类: 概率预测（快速反应模型）和链式反应（慢速思考模型），前者适合快速反馈，处理即时任务，后者通过推理解决复杂问题。

一个例子，问: 1+2+3+4+5+6+7+8+9+10=多少，直接告诉我答案

• 快速反应模型回答：

• 慢速思考模型回答:

• DeepSeek（深度求索）是中国的人工智能公司，成立于 2023 年7月，由知名量化资管巨头幻方量化创立，专注于探索通用人工智能(artificial general intelligence，AGI）的实现路径，主攻大模型研发与应用。

• DeepSeek-V3是其开源的通用自然语言处理模型，对标GPT-4o.

• DeepSeek-R1是其开源的推理模型，擅长处理复杂任务，对标OpenAI o1 / o1-mini.

DeepSeek主流模型的竞品对标

直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景，支持联网搜索与深度思考，同时支持文本上传，能够扫描读取各类文件及图片的文字内容。

2.3.1. DeepSeek模型发展史

资料来源: 彩云之南公众号，浙商证券研究所。[相关链接2]

我们常说的DeepSeek的大模型，是指当前主流的DeepSeek-V3和DeepSeek-R1。

2.3.2. V3与R1的对比与选择

总结: 不考虑调用成本，复杂推理任务（例如数学、代码等）或者希望获取思维链，优先DeepSeek-R1；内容创作、文本生成等优先DeepSeek-V3。

• DeepSeekV3与DeepSeek-R1的对比

• 选择V3和R1的指南

2.3.3. 竞品-OpenAI的大模型

*o3-mini的一个介绍: [3], o1-mini的一个介绍: [4], GPT-4o的一个介绍: [5], GPT-4o-mini的一个介绍: [6]

2.3.4. 竞品-通义千问的大模型

引用: 通义千问官网[7]

2.4.1. 性能优越

• DeepSeek-v3推断速度快:吐字速度从v2的20TPS提升到60TPS.

• DeepSeek-v3性能优越: 在目前大模型主流榜单中，DeepSeek-V3 在开源模型中位列榜首，与世界上最先进的闭源模型不分伯仲。

• DeepSeek R1专注于推理能力，尤其是密集推理任务（reasoning-intensive tasks)，比如代码、数学、科学、逻辑推理这些带有明确答案的良定义的问题。DeepSeek R1在数学、代码、自然语言推理等任务上性能可比肩OpenAI o1模型正式版

• 在AIME 2024数学基准测试中，DeepSeek R1得分率79.8%，OpenAI o1得分率79.2%。

• 在MATH-500基准测试中，DeepSeek R1得分率97.3%，OpenAI o1得分率96.4%。

• 顿悟(Aha)时刻: 单纯的RL（没有显式地提供CoT数据，而是告诉模型先思考，再回答）就可以激发模型产出带有长思维链（甚至是反思）的回复的能力，在DeepSeek-R1-zero训练过程中，在某个特定阶段，模型突然学会了重新评估自己的初始方法，并为复杂问题分配更多的思考时间。这个时刻不仅标志着模型能力的质的飞跃，也是研究者们的重大发现，它展示了强化学习在培养AI自主思考和问题解决能力方面的巨大潜力。

• 蒸馏小模型：在R1的发布中，同时探索了如何将大模型的推理能力高效地蒸馏到小模型中，使用DeepSeek-R1生成80万条训练样本，直接对开源的小模型（如Qwen和Llama系列）进行微调，开源了方便本地部署的一众蒸馏小模型。

*AIME 2024: 数学题,涵盖算术、代数、计数、几何、数论、概率等中学数学主题的综合评测，测试数学问题解决能力。

*MATH-500: 包含500个测试样本的MATH评测集，全面考察数学解题能力。

*GPQA: 研究生水平的专家推理,一个通过研究生级别问题评估高阶科学解题能力的评测集，旨在考察科学问题解决能力。

2.4.2. 训练便宜

结论: DeepSeek-V3 较 OpenAI竞品，训练成本约为1/20～1/3

• DeepSeek-V3训练成本 557.6万美元，但不包括架构、算法等成本。以H800算力为例，训练消耗278.8万个GPU小时，租用价格为2美元/GPU小时；

• 根据第三方测算，OpenAI o1与训练需要3.2万张H100训练90天，需要6912万H100 SXM GPU小时，预计训练成本数亿美元。据此估算，DeepSeek-V3训练成本是Meta 的1/10，OpenAI 的1/20；

• 保守估计，现在在美国预训练几千亿参数的一个模型其实也就不到2000万美元的成本，DeepSeek 把成本差不多压缩到三分之一。

*注, H800为针对中国市场定制，性能和价格略低于H100.

2.4.3. API调用便宜

结论: DeepSeek-V3 API调用价格约为OpenAI o3-mini的1/4，为GPT-4o的约1/10. 但要高于GPT-4o-mini, 性能强于GPT-4o-mini.

以下为当前调用价格，以token为单位，1个英文字符约0.3个token，1个中文字符约0.6个token，即1 token可对应1-2个中文汉字，或对应3-4个英文字符，或0.75个英文单词，截止到2025年2月8日

*o3 mini思维链: 2025年2月7日，openAI公开o3 mini思维链，业界猜测非原始思维链，而是总结之后的思维链输出。

*缓存命中: 在大模型 API 的使用场景中，用户的输入有相当比例是重复的。举例说，用户的 prompt 往往有一些重复引用的部分；再举例说，多轮对话中，每一轮都要将前几轮的内容重复输入。启用上下文硬盘缓存技术，把预计未来会重复使用的内容，缓存在分布式的硬盘阵列中。如果输入存在重复，则重复的部分只需要从缓存读取，无需计算。该技术不仅降低服务的延迟，还大幅削减最终的使用成本。

*MMLU(大规模多任务语言理解）是一种新的基准测试，涵盖STEM、人文、社会科学等57个学科，有效地衡量了综合知识能力。

2.4.4. 其它因素

• 开源：代码仓库选择了大气的MIT开源协议，模型适用自建开源许可证，完全不限制商用。

• 作为鲶鱼，让全球大模型竞赛进一步提速。OpenAI发布全新推理模型o3-mini，并首次向免费用户开放推理模型。OpenAI CEO奥尔特曼首次承认，在开源上OpenAI站在了历史的错误一方。过去一周多的时间里，国内外大模型厂商从“紧急上线”新模型，到降价、免费，种种措施表明，在DeepSeek的刺激下，AI大模型行业的竞争正变得越来越激烈。

• 学术上：DeepSeek-R1-Zero展示了自我验证、反射和生成长CoT等功能，这标志着研究界的重要里程碑。这是第一个验证的开发研究，可以纯粹通过RL来激励的LLMs推理能力，而无需SFT，解决了CoT数据获取困难的问题。

2.5.1. 主要技术路线

• 模型结构和训练方法上: 省

参考: DeepSeek-v3技术文档 [8]

• DeepSeekMoE: 混合专家模型，推理时，仅动态激活部分专家（37B 参数），而非全模型参数（671B 参数），减少计算负担。

• 引入无辅助损失的自然负载均衡来解决不同专家的负载均衡问题。 

• 采用MLA (Multi-Head Latent Attention)架构，扩展了传统的多头注意力机制，引入潜向量（latent variables），可以动态调整注意力机制，捕捉任务中不同的隐含语义。在训练中减少内存和计算开销，在推理中降低KV缓存占用空间,把显存占用降为MHA架构的5%~13%。 

• 采用多步token预测 MTP（Multi-Token Prediction）。一般LLM一次生成1个token，DeepSeek在特定场景下能同时预测多个token，来提高信号密度。一方面能够减少上下文漂移、逻辑更连贯，也能减少一些重复中间步骤，在数学、代码和文本摘要场景能提升效率。 

• 采用了GRPO（Group Relative Policy Optimization）的强化学习算法。核心思想是：对于每个问题，从旧策略中采样多个输出，然后根据这些输出的奖励计算相对评分来优化新策略。跳过传统RL中与策略模型等规模的critic网络，减少开销。

• 模型结构和训练方法上: 好

• Cot：Chain of thought。将复杂的问题拆分成小步的中间逻辑，细分逻辑链条。在训练阶段，DeepSeek-R1用标注的Long CoT数据微调模型，让模型生成更清晰的推理步骤，在强化学习中用CoT设计奖励优化，增强长链推理能力，并且在此过程中观察到了模型的反思（回溯推理路径）、多路径推理（能给出多个解）、aha时刻（通过策略突破瓶颈）等自发行为。

• 拒绝采样: 当针对推理的强化学习收敛后，研究者们使用训练得到的模型进行拒绝采样，生成多个答案，然后只选择最优的答案来继续训练，生成新的监督微调（SFT）数据。这个阶段的目的是提高模型在非推理任务（如写作、角色扮演等）上的表现。

• 工程上：省

• FP8混合精度训练：引入了FP8 混合精度训练框架，相比传统的FP16 精度，数据内存占用更少，但在一些算子模块、权重中仍然保留了FP16、FP32 的精度，节省计算资源。

• 底层通信优化：专门开发了高效的跨节点全对全通信内核，优化对带宽的利用，保证数据传输效率，并能支持大规模部署。 

• DualPipe跨节点通信：传统训练信息流水线会产生一些等待时间、有“流水线气泡”，DeepSeek设计了一个双重流水线，让一个计算阶段在等待数据传输时可以切换到另一批数据，充分利用空闲时间。

• 并行：对硬件的极限使用. 在系统架构层面，DeepSeek就使用了专家并行训练技术，通过将不同的专家模块分配到不同的计算设备上同时进行训练，提升了训练过程中的计算效率。并对算力做极致压缩。

2.5.2. Mixture of Experts (MoE) 混合专家模型

MoE在NLP、CV、多模态和推荐系统中有广泛的应用(时间线上面的开源，下面的闭源)。

参考:  A Survey on Mixture of Experts [9]

• 核心想法: 模型的不同参数, 作为专家，针对不同的任务或者不同的数据定制化。

• 优点: 给定输入，只有部分相关的专家会被激活，使得计算量减少，但受益于丰富的定制化的知识池。

两种典型的MoE: Dense MoE VS. Sparse MoE

• Dense MoE: 每次前向传播，所有专家参与，计算负担大

• Sparse MoE: 在每次前向传播时只选择专家的一个子集，即Top-k专家

往往会带来负载均衡问题，即专家工作量的不均衡分布，部分专家频繁更新，其它专家很少更新，大量研究专注于解决负载均衡问题。

DeepSeek的MoE结构: DeepSeekMoE

DeepSeek-R1: 1个共享的专家+63个路由的专家，每个专家是标准FFN的1/4大小.

2.5.3. Multi-Head Latent Attention (MLA)

• 低秩联合压缩键值：MLA通过低秩联合压缩键值（Key-Value)，将它们压缩为一个潜向量，从而大幅减少所需的缓存容量，降低计算复杂度。

• 优化键值缓存：在推理阶段，MHA需要缓存独立的键和值矩阵，会增加内存和计算，而MLA通过低秩矩阵分解技术，显著减小了存储KV的维度，从而降低了内存占用。

2.5.4. R1的训练范式：冷启动与多阶段R

• Step 1 冷启动: 先收集一部分高质量CoT冷启动数据（约几千条），使用该数据fine-tune DeepSeek-v3-base模型，记为模型A；

• Step2 大规模RL: 使用A模型用GPRO训练，使其涌现推理能力，收敛的模型记为B；

• Step3 : 使用B模型产生高质量SFT数据，并混合DeepSeek-V3产生的其它领域的高质量数据，形成一个高质量数据集;

• Step4 再次SFT: 使用该数据集训练原始DeepSeek-v3-base模型，记为模型C；

• Step5 最终RL: 使用C重新进行Step2，但是数据集变为所有领域，收敛后的模型记为D，这个模型就是DeepSeek-R1

• Step6: 训练C模型的数据对小模型进行蒸馏，得到蒸馏的相对较小的模型。

2.6.1. 几个竞品的对比

• DeepSeek：适合需要行业定制化、高性价比的企业用户、研究者，尤其是中文垂类场景。 

• GPT系列：优势在于通用性、多模态能力和全球化知识覆盖。 

• 豆包：定位轻量级C端应用，交互简单、内容偏娱乐化，依赖字节生态，知识偏国内。

2.6.2. DeepSeek的缺点

• DeepSeek-V3在一些层面上是有偏科的。它的创意生成相对薄弱，开放性任务表现一般，结构化思维的能力远高于发散思维。甚至在专业领域比通用领域表现的更好。

• DeepSeek-R1 专注于推理，在函数调用、多轮对话、复杂角色扮演和 JSON 输出等任务上的能力不及 DeepSeek-V3。

• 民间测试: 在经典的编写重力小球弹跳可视化脚本的实验中，从物理学的遵循程度来讲，与OpenAI o3-mini相比还是有差距的。

2.6.3. DeepSeek的影响

推动了大模型开源进程，作为鲶鱼，让全球大模型竞赛进一步提速。

DeepSeek提示词库[11]

2.7.1. DeepSeek使用的不同点

• DeepSeek-R1作为推理模型

• 其已内化推理逻辑，prompt应该更加简洁，只需明确任务目标和需求；

• 无需逐步指导，模型自动生成结构化推理过程，如果强行拆解步骤，可能会限制其能力。

• DeepSeek-v3作为通用模型

• 对于复杂推理任务，需显式引导推理步骤；

• 依赖提示语补偿能力短板，如要求分析思考、提供示例等。

2.7.2. R1的正确打开方式

对于推理大模型，存在欺骗技巧失效和“启发式提示”失效的问题：

参考: 知乎田威AI[12]

• 欺骗技巧失效

• 角色扮演和结构化提示词等“启发式提示”失效。过去角色扮演和结构化提示词可以显著提升AI生成内容的质量，但在R1等推理模型上，DeepSeek并没有真的在扮演我们让它扮演的角色，而是通过推理分析用户的需求来生成内容，并且自主完成思维链的构建，因此启发式提示可能会干扰逻辑主线。

2.7.3. DeepSeek使用建议

• 自然语言优先。DeepSeek在交互方式上追求自然，我们只需要像跟人对话一样描述你的实际需求与真实场景。一个可能的提问模板

[前情]+[任务]+[要求]+[补充]

• 善用DeepSeek-R1的深度思考能力

• 1. “批判视角”，帮我们识别潜在风险
• 2. “逆向推演”，强制验证逻辑漏洞

• 3. “跨界迁移”，引入其他领域解决方案

• 多看思考过程，了解解题思路。

• 警惕AI幻觉。尤其是处理大量史实类信息、日期类信息时会有大量错误。