DeepSeek 各版本演进与核心特性对比分析

注：具体评测数据请参考官方发布图表。

DeepSeek-R1-Lite 系列：推理模型预览

发布时间：2024 年 11 月 20 日

R1-Lite 是对标 OpenAI o1 的国产推理模型预览版，在 AIME 数学竞赛和 Codeforces 编程竞赛中表现卓越。

• 特点
  • 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。
  • 透明思考过程：公开完整的思考路径，便于研究和学习。
• 优势
  • 高难度任务强：在密码解密等复杂逻辑任务上超越部分竞品。
  • 性价比高：开源为主，训练成本低。
• 不足
  • 代码生成不稳定：简单代码生成效果有时不及预期。
  • 知识引用不足：现代知识引用能力有待提升。
  • 语言交互问题：偶见中英文思考输出混乱。

DeepSeek-V3 系列：MoE 架构与速度提升

发布时间：2024 年 12 月 26 日

首款混合专家（MoE）模型，拥有 6710 亿参数，激活 370 亿，在 14.8 万亿 token 上完成预训练。

• 特点
  • 原生 FP8 权重：支持本地部署，降低云服务依赖。
  • 推理速度快：生成速度从 20TPS 提升至 60TPS。
• 优势
  • 知识推理强：在 MMLU-Pro、MATH-500 等测试中领先。
  • 多语言支持：中文测试集表现优异。
• 不足
  • 资源需求高：训练仍需大量 GPU 资源。
  • 多模态未优化：图像理解等非文本任务仍有短板。

DeepSeek-R1 系列：强化学习与科研应用

发布时间：2025 年 1 月 20 日

R1 遵循 MIT License，允许用户通过蒸馏技术训练其他模型，极大推动了开源生态发展。

• 特点
  • RL 后训练：在极少标注数据下大幅提升推理能力。
  • 支持蒸馏：已开源多个蒸馏小模型（如 32B、70B），对标 o1-mini。
• 优势
  • 推理接近 o1：在数学、代码及自然语言推理上性能比肩。
  • 开源协议友好：MIT 许可允许商业使用与修改。
• 不足
  • 多模态能力弱：仍未解决多模态任务支持问题。
  • 场景受限：主要面向科研与技术开发，商业化落地场景需探索。

结语

DeepSeek 系列在编码、推理及开源策略上持续进步。V 系列侧重通用与效率，R 系列专注推理与强化学习。用户可根据任务需求选择版本，同时注意当前版本在多模态能力上的普遍局限性。