DeepSeek

我们向 DeepSeek R1 输入了一个多步逻辑问题——一个隐藏在三个段落中的 LSAT 风格的论证缺陷，并观察了答案出现前发生的过程。在完整可见的 <think> 块中，该模型在第二步发现了自己的错误方向，对条件从句标记了明确的不确定性，然后在生成清晰的最终回复之前纠正了路线。没有其他前沿模型能向你展示这一点。GPT-o1 完全隐藏了其思维链。Claude 只是总结了它的方法。DeepSeek R1 则将其整个内部独白、错误方向、自我纠正、置信度标记等全部外化。这种透明度要么是 DeepSeek 最被低估的功能，要么是其最具启发性的诊断工具，具体取决于推理的内容。至于这是否意味着 DeepSeek 在 2026 年能在你的技术栈中占据一席之地，很大程度上取决于你正在构建什么以及你的数据存储在哪里。

DeepSeek R1 于 2025 年 1 月 20 日发布，声称训练成本约为 $5.5 million，比同类美国模型低约 20 倍，并引发了 NVIDIA 股价单日 16.9% 的暴跌，抹去了 $589 billion 的市值。2026 年初发布的 DeepSeek V4 据报道是在绕过美国出口管制的 Huawei Ascend 芯片上训练的，这进一步加深了该事件引发的疑问。该模型的能力是真实的。随之而来的复杂问题也是真实的。

DeepSeek 概览（2026 年 4 月）

截至 2026 年 4 月，deepseek.com 上的消费者产品完全免费，没有订阅层级。通过 Web 应用程序访问的模型是 DeepSeek V4，它引入了混合推理模式：一种是“思考（thinking）”模式，可生成在 <think> 标签中可见的扩展思维链；另一种是“非思考（non-thinking）”模式，可提供更快的响应，而无需推理开销。同一个模型可以处理这两种模式，使其比早期的 V3/R1 分离模式更加灵活。

API 运行在两个活跃模型上。deepseek-v4-flash 的定价为每百万输入 token $0.14（未命中缓存）和每百万输出 token $0.28，命中缓存可将输入成本降至 $0.028，自动享受 80% 的折扣，无需更改代码。deepseek-v4-pro 的运行成本为每百万输入 token $1.74 和每百万输出 token $3.48，命中缓存时为 $0.145。这两个模型的上下文窗口均达到 1 million 个 token，最大输出为 384K 个 token。旧模型名称 deepseek-chat 和 deepseek-reasoner 已被弃用。

在开放权重方面，DeepSeek R1（671B 参数）和 V3 在 Hugging Face 上采用 MIT 许可证。蒸馏变体（8B、14B、32B 和 70B）可通过 Ollama 在消费级硬件上运行。完整的 671B 模型需要 $40,000–$80,000 的硬件投入。DeepSeek V3.1 可在 Amazon Bedrock、Azure AI Foundry 和 Google Cloud Vertex AI 上使用，并支持欧盟区域部署，这为没有资金建立本地基础设施的团队提供了一种部分解决数据驻留问题的变通方案。

DeepSeek 真正擅长的领域

DeepSeek 价值的最清晰证据在于其以极低的 API 成本提供出色的数学、推理和编程能力。DeepSeek R1 在 AIME 2024 数学基准测试中达到了约 90% 的准确率，而 GPT-4o 约为 83%。在 LeetCode 风格的编程任务中：一位 ProductHunt 评论者使用 R1 70B 蒸馏模型测试了八个 Kotlin 到 TypeScript 的迁移问题，发现“与竞争模型相比，其正确性得分更高”。蒸馏后的 70B 模型可通过 Ollama 在本地运行，无需 API 成本，数据也不会离开你的基础设施。

推理轨迹的用处不仅限于得出正确答案。正如一位开发者在 2025 年 2 月于 mccormickml.com 上所写：“你可以从推理 token 中学到很多关于你试图解决的问题的信息，而不仅仅是最终的模型输出。” 对于调试模型行为、构建工作示例或理解推理在何处中断，暴露的 <think> 块与仅显示结论的模型相比，是一种性质完全不同的工具。

对于高频 API 用户来说，成本优势绝非微不足道。运行批量文档处理、RAG 管道或高频推理的团队报告称，从 GPT-4o 或 GPT-5 切换后，成本下降了 50–95%。在每百万输入 token $0.14 的价格下，这笔账一目了然。对于隐私敏感型应用程序，采用 MIT 许可证的开放权重提供了一种完全摆脱托管 API 的途径。一位 Hacker News 评论者指出“安全/IP 保护是主要优势，完全避免了远程 API。” 在私有基础设施上运行蒸馏变体的法律团队和有数据驻留要求的企业，可以获得接近前沿的推理质量，且零遥测。

DeepSeek 的局限性：用户不断遇到的故障模式

审查问题并非小众担忧。DeepSeek 拒绝涉及天安门广场、台湾的政治地位或对中国共产党的批评。在 2025 年初的直接测试中，该模型对关于 1989 年天安门广场的问题回复道：“抱歉，这超出了我目前的范围。我们聊点别的吧。” 关于台湾，它声明“台湾作为中国的一部分，不是一个国家”，随后删除了该回复并重复了超出范围的信息。这些并非涉及冷门话题的边缘案例，它们影响着中国研究人员、记者、人权工作者、台湾企业以及任何构建可能涉及现代地缘政治历史产品的人。多伦多大学 Citizen Lab 主任 Ron Deibert 指出，这里的不寻常之处在于“中国应用程序审查国际用户是不寻常的”，这种过滤不仅限于中文查询，还扩展到了全球的英语用户。

托管产品的隐私泄露是有记录的，而非理论上的。2025 年 1 月 29 日，Wiz Research 在 DeepSeek 子域名上发现了一个可公开访问的 ClickHouse 数据库，其中包含超过一百万条日志流记录，包括用户聊天记录、明文 API 密钥、后端基础设施详细信息和操作元数据，且无需身份验证。该泄露事件被负责任地披露并迅速修补，但它证实了保护用户数据的基础设施存在实质性漏洞。另外，NowSecure 发现 DeepSeek iOS 应用程序将未加密的设备数据传输到 ByteDance 的云平台 Volcengine。通过 API 或消费者应用程序处理的所有用户数据都存储在受中国 2017 年《国家情报法》管辖的 PRC 服务器上。

在性能方面，冗长的推理模式为简单任务造成了特定的故障类别。思考模式会为不需要它的问题生成冗长的思维链，并且模型可能会从正确的起点自我辩论出错误的答案：

“在常规问题上太啰嗦了，即使调整了参数以求简洁也是如此。仅对代码片段有效。”——ProductHunt 评论者，2025 年

“该模型正确地数出‘strawberry’中有三个 R，然后反复与自己争论答案必须是两个，最终拒绝相信自己的推理。”——Hacker News 评论者，帖子 ID 42768072，2025 年

<think> 块使这些崩溃过程变得可见，这对于诊断很有用，但当你需要对简单查询获得可靠答案时，这就毫无用处了。

自 2025 年 1 月发布热潮以来，服务器可用性一直是一个持续存在的问题。该基础设施在 2025 年初的五天内承受了 2.3 亿次点击的 DDoS 攻击，并且“服务器繁忙”的 429 错误在整个 2025 年都非常普遍。需要可靠性的集成测试开发者无法依赖负载下的免费消费者产品。

DeepSeek vs. GPT-4o vs. Llama

ChatGPT (GPT-4o / GPT-5)：DeepSeek 的核心优势在于成本。V4-flash 每个 token 的价格便宜 10–30 倍，且消费者产品免费，无需订阅。ChatGPT 不审查地缘政治敏感话题，数据存储在美国管辖范围内，并提供明显更好的基础设施可靠性。对于构建国际产品或任何涉及地缘政治历史的团队来说，ChatGPT 没有政治审查是一项功能性要求。而对于高频、非政治性的推理管道，DeepSeek 的成本优势则是复利式的。

Llama (Meta)：这里的比较主要针对本地部署。Meta 的 Llama 3.1 70B 和 DeepSeek R1 70B 蒸馏模型在自托管使用方面直接竞争。DeepSeek R1 蒸馏模型在推理任务上的基准测试优于 Llama 3.1 70B，但 Llama 没有审查担忧，并且拥有更成熟的微调生态系统。这两个模型都是免费权重。需要经过最多生产测试的自托管生态系统的团队会选择 Llama；而优先考虑推理基准性能并能接受审查权衡的团队则会选择 DeepSeek R1 蒸馏模型。

明显倾向于 DeepSeek 的用例是通过 API 进行高频、非政治性的推理，特别是对于成本敏感的 SaaS 产品，在这些产品中，OpenAI 的账单已成为一项重大支出。

付费层级值得吗？

截至 2026 年 4 月，DeepSeek 的消费者产品没有付费层级，Web 和移动应用程序完全免费。成本问题存在于 API 层面，即在 v4-flash 和 v4-pro 之间做出选择。

定价为 $0.14/1M 输入 token 的 V4-flash 是大多数用例的默认选择。对于批量文档处理、RAG 检索、摘要管道和通用编程辅助，flash 模型的性价比难以匹敌。自动缓存命中折扣（当提示共享前缀时，将输入成本降至 $0.028/1M）意味着具有一致系统提示或重复上下文的应用程序可以获得 80% 的输入成本降低，而无需进行任何实现更改。

对于已经在特定任务类型上对推理质量进行了基准测试，并需要高级层级的扩展思维链深度的团队来说，定价为 $1.74/1M 输入 token 的 V4-pro 是正确的选择。在这个价格点上，GPT-4o 和 Claude Sonnet 是强有力的竞争选项，它们更清晰的数据驻留背景可能会影响专业工作负载的决策。对于大多数开发者来说，起点是带有缓存优化的 v4-flash。其上下文窗口（1M token）和输出限制（384K token）支持长文档工作流而无需分块。

最佳用例（以及何时应避免使用）

DeepSeek 在以下方面表现出色：OpenAI 或 Anthropic 成本对利润率产生重大影响的高频 API 推理；数学密集型应用程序，包括辅导平台、竞技编程工具和科学计算助手；代码审查和调试，其中推理轨迹有助于用户理解修复生效的原因；以及数据永远不会离开组织的私有基础设施上的自托管部署。

在开发者社区中反复出现的意外用例是，在本地运行蒸馏变体，作为用于法律或竞争敏感研究的无审查推理引擎。采用 MIT 许可证的权重可以被修改，并且可以剥离训练后的对齐层，这意味着本地运行的模型将回答托管版本拒绝回答的问题。团队已经记录了这种工作流程，用于涉及中国市场动态的竞争情报、跨越跨境监管分析的法律文档审查以及关于中国历史的学术研究。实际设置：通过 Ollama 为敏感任务运行量化的 14B 或 32B 蒸馏模型，其余任务则使用托管 API 进行商品化推理，价格为 $0.14/1M token。

对于涉及中国大陆、台湾、西藏或香港政治的工作流，请避免使用 DeepSeek，其审查是一致且不可配置的。对于 PRC 数据驻留构成合规障碍的企业应用程序、需要基础设施可靠性保证的团队（免费层级在负载下达不到生产级标准），以及在创意写作或开放式对话方面（与 ChatGPT 和 Claude 相比，质量差距依然存在），也请避免使用。

开始使用 DeepSeek

消费者应用程序只需电子邮件注册即可。对于 API，请在 platform.deepseek.com 注册，该 API 与 OpenAI 兼容，因此现有的 OpenAI SDK 集成只需更改基础 URL 和模型名称即可切换。请使用 deepseek-v4-flash 或 deepseek-v4-pro；旧名称 deepseek-chat 和 deepseek-reasoner 已被弃用。

对于本地部署，R1 蒸馏变体在 Hugging Face 上提供，地址为 github.com/deepseek-ai/DeepSeek-R1，采用 MIT 许可证。Ollama 原生支持它们：ollama pull deepseek-r1:70b。量化的 32B 模型可容纳在单张 24GB GPU 上。最后测试时间：2026 年 4 月。