DeepSeek使用教程蓝皮书.pdf

版权声明

本文件内容主要来源于公开新闻报道。所有新闻内容均基于已公开发表的信

息。

本文件内容受版权保护，禁止任何形式的商业性使用。未经DAC全球数据

资产理事会明确书面授权，任何单位或个人不得以任何方式复制、传播、展示、

表演、制作衍生作品或进行其他商业性利用。本声明的解释权归DAC全球数据

资产理事会所有。对于违反本声明规定的行为，DAC全球数据资产理事会有权

采取法律手段维护自身权益。

第一章：DeepSeek概述

1.1DeepSeek核心功能与优势

在人工智能技术高速迭代的时代背景下，推理模型作为核心驱动力，持续重

塑各行业的发展格局。杭州深度求索科技推出的新一代推理模型DeepSeek-R1，

凭借卓越的性能表现与创新性技术架构，在核心功能与竞争优势方面实现多维度

的突破性进展，成为人工智能领域的重要成果。

1、构建完备推理能力体系，实施参数规模分层设计

DeepSeek-R1运用独特的参数规模分层设计理念，构建了一套完备的推理能

力体系。其最大版本的参数规模高达6710亿，庞大的参数规模赋予模型强大的

学习与推理能力，使其在复杂任务处理中表现出色。在数学推理领域，于AIME

测试中，DeepSeek-R1成功达成79.8%的准确率，这一数据表明其具备高效且精

准解决高难度数学问题的能力，彰显出深厚的数学推理底蕴。在编程能力方面，

DeepSeek-R1在Codeforces竞赛中超越96.3%的人类选手。Codeforces竞赛汇

聚全球顶尖编程人才，DeepSeek-R1在此脱颖而出，充分证明其强大的编程代码

生成与逻辑推理能力。

为满足不同用户群体的多元化需求，DeepSeek-R1推出精简版模型。该精简

版模型采用知识蒸馏技术，将大规模模型的知识进行提炼与浓缩，从而实现于日

常设备的本地化部署。这一创新设计意义重大，它使得从科研级的复杂计算到消

费级的日常应用，均能受益于DeepSeek-R1的强大推理能力，形成覆盖范围广泛、

层次分明的完整产品矩阵。

2、凸显高性价比优势，实现推理性能与成本的优化平衡

与OpenAI-O1系列对比，DeepSeek-R1在推理性能上毫不逊色。在MATH-500

测试中，DeepSeek-R1达到97.3%的准确率，与OpenAI-O1系列保持同等推理性

能水平。然而，DeepSeek-R1的优势不仅体现于性能，更体现在极具竞争力的性

价比方面。通过对强化学习策略的优化，DeepSeek-R1有效降低成本。其API服

务成本仅为竞品的三分之一，输入/输出tokens单价分别为1元/百万和16元/

百万。在需要高频调用推理服务的商业场景中，这一成本优势具有决定性意义。

1

以电商领域为例，商家在进行商品推荐、用户行为分析等任务时需频繁调用推理

服务，DeepSeek-R1的低成本特性能够助力商家在确保服务质量的同时，大幅降

低运营成本，提升企业盈利能力与市场竞争力。

3、创新双轨训练机制，以前沿技术驱动卓越性能

在技术架构层面，DeepSeek-R1采用独有的双轨训练机制。一方面，借助长

思维链微调技术，模型能够深入学习将复杂问题拆解为简单子问题的方法，进而

逐步解决复杂问题，显著提升复杂问题的拆解能力。另一方面，运用无监督强化

学习技术，突破传统训练范式的局限。在传统训练模式下，模型通常依赖大量标

注数据，而无监督强化学习使DeepSeek-R1在有限标注数据的情况下，仍能维持

卓越的推理性能。

这种创新的技术路径取得显著成效。在SWE-bench等工程类测试中，

DeepSeek-R1成功超越O1系列。尤为值得关注的是，它实现推理过程的自我反

思与迭代优化。如同人类在解决问题时会不断总结经验、反思方法，DeepSeek-R1

在推理过程中能够持续优化自身推理策略，形成类似人类的问题解决思维链。这

一特性使模型在面对复杂多变的问题时，能够更加灵活、高效地寻求解决方案。

4、强化灵活部署能力，拓宽模型应用边界

DeepSeek-R1在部署灵活性方面表现卓越。它支持4bit量化压缩技术，通

过对模型参数的压缩，在不影响模型性能的前提下，减少模型的存储空间与计算

资源需求。同时，动态模型切换技术的应用，使模型能够依据不同的应用场景与

需求，灵活切换不同的模型版本，以实现最佳