DeepSeek 各版本详解：特性、优缺点及选型指南

并且从官方发布的数据来看，V2.5 在通用能力（创作、问答等）等问题中表现对比 V2 模型来说，有了显著的提升。

下面用一张图来对比一下 DeepSeek - V2 和 DeepSeek - V2.5 两个版本模型分别与 ChatGPT4o - latest 和 ChatGPT4o mini 的通用能力对比测试。

在这张图中我们可以看出 DeepSeek - V2 和 DeepSeek - V2.5 两个版本模型分别与 ChatGPT4o - latest 和 ChatGPT4o mini 进行对比测试的胜率、平局率和败率情况：

• DeepSeek - V2.5 vs ChatGPT4o - latest：DeepSeek - V2.5 的胜率为 43%，平局率为 8%，败率为 49%。
• DeepSeek - V2 vs ChatGPT4o - latest：DeepSeek - V2 的胜率为 31%，平局率为 8%，败率为 61%。
• DeepSeek - V2.5 vs ChatGPT4o mini：DeepSeek - V2.5 的胜率为 66%，平局率为 9%，败率为 25%。
• DeepSeek - V2 vs ChatGPT4o mini：DeepSeek - V2 的胜率为 53%，平局率为 9%，败率为 38%。

在与 ChatGPT4o 系列模型的对比中，DeepSeek - V2.5 整体表现优于 DeepSeek - V2；DeepSeek - V2.5 和 DeepSeek - V2 在与 ChatGPT4o mini 的对比中胜率相对较高，而与 ChatGPT4o - latest 对比时胜率相对较低。

在代码方面，DeepSeek-V2.5 保留了 DeepSeek-Coder-V2-0724 强大的代码能力。在 HumanEval Python 和 LiveCodeBench（2024 年 1 月 - 2024 年 9 月）测试中，DeepSeek-V2.5 显示了较为显著的改进。在 HumanEval Multilingual 和 Aider 测试中，DeepSeek-Coder-V2-0724 略胜一筹。在 SWE-verified 测试中，两个版本的表现都较低，表明在此方面仍需进一步优化。另外，在 FIM 补全任务上，内部评测集 DS-FIM-Eval 的评分提升了 5.1%，可以带来更好的插件补全体验。

另外，DeepSeek-V2.5 对代码常见场景进行了优化，以提升实际使用的表现。在内部的主观评测 DS-Arena-Code 中，DeepSeek-V2.5 对战竞品的胜率（GPT-4o 为裁判）取得了显著提升。

特点

DeepSeek-V2.5 在前一个版本的基础上进行了一些关键性改进，尤其是在数学推理和写作领域，表现得更加优异。同时，该版本加入了联网搜索功能，能够实时分析海量网页信息，增强了模型的实时性和数据丰富度。

优势

• 数学和写作能力提升：在复杂的数学问题和创作写作方面，DeepSeek-V2.5 表现优异，能够辅助开发者处理更高难度的任务。
• 联网搜索功能：通过联网，模型可以抓取最新的网页信息，对当前互联网资源进行分析和理解，提升模型的实时性和信息广度。

缺点

• API 限制：虽然具备联网搜索能力，但 API 接口不支持该功能，影响了一些用户的实际应用场景。
• 多模态能力依然有限：尽管在多方面有所改进，但 V2.5 在多模态任务上仍然存在局限性，无法与专门的多模态模型媲美。

DeepSeek-V2.5 现已开源到了 HuggingFace：

https://huggingface.co/deepseek-ai/DeepSeek-V2.5

4. DeepSeek-R1-Lite 系列：推理模型预览版上线，解密 o1 推理过程

发布时间

2024 年 11 月 20 日

不得不说 DeepSeek 版本的迭代速度很快，同年 11 月具有历史意义的 R1-Lite 模型发布。作为 R1 模型的前置版本，虽然没有 R1 模型那样备受瞩目，但是其作为对标 OpenAI o1 的国产推理模型，表现也是可圈可点的。DeepSeek-R1-Lite 预览版模型在美国数学竞赛（AMC）中难度等级最高的 AIME 以及全球顶级编程竞赛（codeforces）等权威评测中，均取得了卓越的成绩，大幅超越了 GPT-4o 等知名模型。

下表为 DeepSeek-R1-Lite 在各项相关评测中的得分结果：

DeepSeek - R1 - Lite - Preview 在数学竞赛（AIME、MATH - 500）和世界级编程竞赛（Codeforces）的测试任务中表现突出，在理工科博士生测试、另一世界级编程竞赛和自然语言解谜任务中也有不错表现，但在理工科博士生测试、自然语言解谜等任务中，OpenAI o1 - preview 得分更优，这也是 DeepSeek - R1 - Lite 没有得到太多关注的原因。

根据官网消息，DeepSeek-R1-Lite 的推理过程长，并且包含了大量的反思和验证。下图展示了模型在数学竞赛上的得分与测试所允许思考的长度紧密相关。

由上图可以看出：

• DeepSeek - R1 - Lite - Preview 的准确率随着平均 token 量的增加而显著提升，在采用多数投票法时，提升效果更为明显，最终超过 OpenAI o1 - preview 的表现。
• 在一次通过（Pass@1）情况下，DeepSeek - R1 - Lite - Preview 在平均 token 量达到一定程度时，准确率也高于 OpenAI o1 - preview 的 44.2%。

特点

使用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字，在数学和编程等需要长逻辑链条的任务中具备优势；在数学、代码以及各种复杂逻辑推理任务上，取得了媲美 o1 的推理效果，并展现了 o1 未公开的完整思考过程，目前在 DeepSeek 官网上免费可用。

优点

• 推理能力强：在一些高难度的数学和代码任务中表现优异，在美国数学竞赛（AMC）和全球编程竞赛（codeforces）等测试中，超越了现有的顶级模型，甚至在某些任务上超过了 OpenAI 的 o1。例如在密码解密测试中，成功破解了一个依赖复杂逻辑的密码，而 o1 - preview 则未能正确解答。
• 思考过程详细：在答题时不仅提供答案，还会附上详细的思考过程和反向思考的验证过程，显示出逻辑推理的严谨性。
• 性价比高：所属公司 DeepSeek 产品以开源为主，其模型训练成本远低于行业主流模型，性价比具有显著优势。

缺点

• 代码生成表现不稳定：在生成一些相对简单的代码时表现不如预期。
• 知识引用能力不足：在处理一些需要现代知识引用的复杂测试时，未能达到令人满意的效果。
• 语言交互问题：使用过程中可能出现中英文思考、输出混乱的问题。

5. DeepSeek-V3 系列：大规模模型与推理速度提升

发布时间

2024 年 12 月 26 日

作为深度求索公司自主研发的首款混合专家（MoE）模型，其拥有 6710 亿参数，激活 370 亿，在 14.8 万亿 token 上完成了预训练。

DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。

DeepSeek - V3 在 MMLU - Pro、MATH 500、Codeforces 任务测试中表现突出，准确率领先；在 GPQA Diamond、SWE - bench Verified 任务中也有不错表现，但在 AIME 2024 任务中，GPT - 4o - 0513 准确率更优。

由上面表格可以看出，这项对比涉及 DeepSeek - V3、Qwen2.5 - 72B - Inst、Llama3.1 - 405B - Inst、Claude - 3.5 - Sonnet - 1022、GPT - 4o - 0513 等模型，从模型架构、参数及各测试集表现等方面分析得出：

模型架构与参数

• DeepSeek - V3：采用 MoE 架构，激活参数 37B，总参数 671B。
• Qwen2.5 - 72B - Inst：Dense 架构，激活参数 72B，总参数 72B。
• Llama3.1 - 405B - Inst：Dense 架构，激活参数 405B，总参数 405B。
• 其他两个模型未公开当前信息。

英文测试集表现

• MMLU 相关：DeepSeek - V3 在 MMLU - EM、MMLU - Redux EM、MMLUPro - EM 测试中，成绩分别为 88.5、89.1、75.9，在部分测试中与其他模型表现接近。
• DROP：DeepSeek - V3 得分为 91.6，领先于其他模型。
• IF - Eval：DeepSeek - V3 为 86.1，和其他模型成绩相当。
• GPQA - Diamond：DeepSeek - V3 得分 59.1，仅次于 Claude - 3.5 - Sonnet - 1022 的 65。
• SimpleQA 等：在 SimpleQA、FRAMES、LongBench v2 等测试中，DeepSeek - V3 表现有差异，如 SimpleQA 得分为 24.9，FRAMES 为 73.3。

代码测试集表现

• HumanEval - Mul：DeepSeek - V3 得分为 82.6，表现较好。
• LiveCodeBench：在 LiveCodeBench (Pass@1 - COT) 和 LiveCodeBench (Pass@1) 测试中，DeepSeek - V3 分别为 40.5、37.6。
• Codeforces 等：在 Codeforces Percentile 测试中 DeepSeek - V3 得分为 51.6，在 SWE - bench Verified (Resolved) 中得分为 42。

数学测试集表现

• AIME 2024：DeepSeek - V3 得分为 39.2，高于 Qwen2.5 - 72B - Inst、Llama3.1 - 405B - Inst、Claude - 3.5 - Sonnet - 1022。
• MATH - 500：DeepSeek - V3 得分为 90.2，优势明显。

中文测试集表现

• CLUEWSC：DeepSeek - V3 得分为 90.9，和其他模型成绩接近。
• C - Eval 等：在 C - Eval、C - SimpleQA 测试中，DeepSeek - V3 分别为 86.5、64.1。

总体来看，DeepSeek - V3 在多个测试集上有不错表现，在 DROP、MATH - 500 等测试中优势明显，在不同语言和领域的测试集中各模型有不同程度的优势与不足。

特点

DeepSeek-V3 是该系列中的一个里程碑版本，拥有 6710 亿参数，专注于知识类任务和数学推理，性能大幅度提升。V3 引入了原生 FP8 权重，支持本地部署，并且推理速度大幅提升，生成吐字速度从 20TPS 提升至 60TPS，适应了大规模应用的需求。

优势

• 强大的推理能力：凭借 6710 亿参数，DeepSeek-V3 在知识推理和数学任务方面展现出卓越的表现。
• 高生成速度：每秒生成 60 个字符（TPS）的速度使得 V3 能够满足对响应速度要求高的应用场景。
• 本地部署支持：通过 FP8 权重的开源，用户可以在本地部署，降低对云服务的依赖，提升数据隐私性。

缺点

• 高训练资源需求：虽然推理能力大幅提升，但 V3 需要大量的 GPU 资源进行训练，这使得其部署和训练的成本较高。
• 多模态能力不强：和前面版本一样，V3 在多模态任务（如图像理解）方面未做专门优化，仍有一定的短板。

下面附上 V3 模型的论文链接，供大家参考学习。 论文链接：https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf

6. DeepSeek-R1 系列：强化学习与科研应用，性能对标 OpenAI o1 正式版

发布时间

2025 年 1 月 20 日

作为一经发布就备受瞩目的 DeepSeek-R1 来说，真正的是经历了很多磨难才诞生走到现在，而 DeepSeek-R1 发布以来就秉持着开源的原则，遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。

这将产生以下两方面的影响：

开源协议层面

MIT License 是一种宽松的开源软件许可协议。这意味着 DeepSeek - R1 以非常开放的姿态面向广大开发者和用户。在遵循 MIT License 相关规定的前提下，用户拥有极大的自由：

• 使用自由：可以在任何个人项目、商业项目等各种场景中自由使用 DeepSeek - R1 模型，无需担心因使用场景而产生的法律问题。
• 修改自由：能够对 DeepSeek - R1 的代码、模型架构等进行修改和定制，以满足特定的业务需求或研究目的。
• 分发自由：可以将基于 DeepSeek - R1 修改或未修改的版本进行分发，无论是免费分发还是伴随商业产品一起分发都是被允许的。

模型训练与技术应用层面

允许用户通过蒸馏技术借助 R1 训练其他模型，这具有很高的技术价值和应用潜力：

• 模型轻量化：蒸馏技术可以将大型的 DeepSeek - R1 模型的知识迁移到小型模型上。开发者能够训练出更轻量级、运行效率更高的模型，比如在资源受限的设备（如移动设备、嵌入式设备等）上部署模型，以实现实时的推理和应用，而无需依赖强大的计算资源来运行大型的 DeepSeek - R1 原模型。
• 个性化定制：用户可以根据自身特定的任务需求，比如特定领域的文本分类、特定类型的图像识别等，以 DeepSeek - R1 为基础，通过蒸馏训练出更适配该任务的模型，从而在性能和资源消耗之间取得更好的平衡，提升模型在特定场景下的表现。
• 促进技术创新：这种方式为研究人员和开发者提供了一个强大的工具和起点，鼓励更多人基于 DeepSeek - R1 进行探索和创新，加速人工智能技术在各个领域的应用和发展，推动整个行业的技术进步。

并且 DeepSeek-R1 上线 API，对用户开放思维链输出，通过设置 model='deepseek-reasoner' 即可调用，这无疑极大的方便了很多对于大模型感兴趣的个体用户。

据官网信息透漏，DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。

从上图可以看出，在 Codeforces、MATH - 500、SWE - bench Verified 测试中，DeepSeek - R1 或 DeepSeek - R1 - 32B 表现突出；在 AIME 2024、GPQA Diamond、MMLU 测试中，OpenAI - o1 - 1217 表现较好。

但是在蒸馏小模型的对比上，R1 模型超越 OpenAI o1-mini。

在官方在开源的数据中 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

上表为对比不同模型在多项测试集上表现的表格，测试集包括 AIME 2024、MATH - 500 等，模型有 GPT - 4o - 0513、Claude - 3.5 - Sonnet - 1022 等，还涉及基于 DeepSeek - R1 蒸馏的系列模型，具体详情如下的分析：

模型及表现

• GPT - 4o - 0513：在各测试集得分相对均衡，如在 AIME 2024 pass@1 得分为 9.3，在 CodeForces rating 为 759.0。
• Claude - 3.5 - Sonnet - 1022：在各测试表现较稳定，如 AIME 2024 pass@1 得 16.0，CodeForces rating 为 717.0。
• o1 - mini：在多个测试集表现突出，尤其在 CodeForces rating 达到 1820.0。
• QwQ - 32B：在不同测试集有一定表现，如 MATH - 500 pass@1 得 90.6。
• DeepSeek - R1 - Distill - Qwen 系列：随着参数增大（从 1.5B 到 32B），在多数测试集成绩总体提升，如 DeepSeek - R1 - Distill - Qwen - 32B 在 MATH - 500 pass@1 得 94.3，超过 DeepSeek - R1 - Distill - Qwen - 1.5B 的 83.9。
• DeepSeek - R1 - Distill - Llama 系列：在多项测试表现不错，DeepSeek - R1 - Distill - Llama - 70B 在 MATH - 500 pass@1 得 94.5。

总结

从表格看，o1 - mini 在 CodeForces 竞赛评分上优势明显；DeepSeek - R1 蒸馏的大参数模型（如 DeepSeek - R1 - Distill - Qwen - 32B、DeepSeek - R1 - Distill - Llama - 70B）在数学和编程相关测试集表现较好，反映出 DeepSeek - R1 蒸馏技术对模型性能有提升作用，不同模型在各测试集有不同优势。

特点

DeepSeek-R1 是系列中的最新版本，通过强化学习（RL）技术，优化了模型的推理能力。R1 版本推理能力接近 OpenAI 的 O1，并且遵循 MIT 许可证，支持模型蒸馏，进一步促进开源生态的健康发展。

优势

• 强化学习优化推理能力：利用强化学习技术，R1 能够在推理任务中展现出比其他版本更强的表现。
• 开源支持与科研应用：R1 完全开源，支持科研人员、技术开发者进行二次开发，推动 AI 技术的快速进步。

缺点

• 多模态能力不足：尽管在推理能力上有显著提升，但在多模态任务的支持方面仍未得到充分优化。
• 应用场景受限：R1 主要面向科研、技术开发和教育领域，其在商业化应用和实际操作中的适用场景相对较窄。

R1 论文链接已附在下方，供大家学习参考。 论文链接：https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf

结语

DeepSeek 系列的不断迭代和升级，体现了其在自然语言处理、推理能力和应用生态等方面的持续进步。每个版本都有其独特的优势和适用场景，用户可以根据自身需求选择最适合的版本。随着技术的不断发展，未来 DeepSeek 可能会在多模态支持、推理能力等方面继续取得突破，值得期待。