第 21 卷

策略优化：开源特性，成本优势

DeepSeek采用开源策略，公开模型权重和技术报告，允许开发者DeepSeek 通过技术创新和优化策略，大幅降低了模型训练和推理自由使用、修改和分发其技术，促进了AI领域的创新和协作。成本，使其在性价比上远超 OpenAI 等竞争对手。

n 开源策略n 成本优势

DeepSeek R1 采用 MIT 许可协议开源发布，允许全球的研究者和开训练成本：DeepSeek V3 的训练成本仅为 557.6 万美元，远低于发者免费使用和修改模型。这种开放策略促进了 AI 技术的普及和发展。其他国际大公司的训练成本。这种低成本策略使得更多企业和开发

者能够负担得起高性能 AI 模型的训练和使用。

n 开源模型的优势与挑战调用成本：DeepSeek R1 的 API 服务定价为每百万输入 tokens 1

元（缓存命中）/4 元（缓存未命中），每百万输出 tokens 16 元，优势挑战输出 API 价格仅为 OpenAI o1 的 3%。这种低廉的 API 价格进一

可访问性可解释性和可靠性步降低了使用门槛。

研究者可以根据自身需求需要采取措施确保模型的

调用成本调用成本

进行二次开发和优化. - - - -----. 可靠性和可解释性模型训练成本（输入/百万 tokens）（输出/百万 tokens）

0.14美元（缓存未命中）

可定制性社区参与DeepSeek-V3557.6万美元0.28美元

/ 0.014美元（缓存命中）

允许研究者根据特定应用 . - - - -----. 需要社区成员的共同参与DeepSeek-R1未明确（推测低于V3）0.14美元（缓存命中）2.19美元

场景进行定制，从而更好/ 0.55美元（缓存未命中）

维护和更新，需要较高的地满足需求社区活跃度和凝聚力OpenAI GPT-4o10亿美元2.5美元（缓存未命中）10美元

/ 1.25美元（缓存命中）

社区支持. - - - -----. 安全性

未明确15美元（缓存未命中）

OpenAI o160美元

使其在学术研究和工业应需要采取措施确保模型的（推测高于GPT-4o）/ 7.5美元（缓存命中）

测试评估：对标顶尖，能力出众

n 推理任务表现n 知识类任务表现

• 数学推理能力对标顶尖模型：DeepSeek R1 在 AIME 2024 基准测试中得•教育类知识问答能力突出：在 MMLU、MMLU-Pro等测试中，

DeepSeek R1成绩超越 OpenAI-4o等其他闭源模型。

分 79.8%（pass@1），略优于 OpenAI-o1-1217；在 MATH-500 测试

中，取得 97.3%，表现与 OpenAI-o1-1217 相当，远超其他模型。n 其他任务表现

• 代码生成能力达专家级水平： DeepSeek R1在编程任务中，Elo评分达• 在创意写作、问答、编辑、摘要等任务中，DeepSeek R1 表现优异。
• 非考试类智能处理能力强大：在 AlpacaEval 2.0 和 ArenaHard 中，

2029，超越 96.3% 的人类参赛者；在工程任务中DeepSeek-R1表现略优

胜率分别为 87.6% 和 92.3%。

于 DeepSeek V3，这对开发人员在实际任务中有潜在帮助。

97.396.3 96.6

79.8

49.2

本地部署：灵活高效，协同优化

DeepSeek的本地部署在性能上表现出色，能够满足不同应用场景的需求，尤其是在端侧和端云协同场景。通过合理的硬件配置和优化策略，DeepSeek可以在本地环境中高效运行，为用户提供强大的AI支持。

n 端侧部署能力n 端云协同优化

支持英特尔、英伟达等主流硬 DeepSeek通过蒸馏技术优化小模件平台，并可通过

型（ 1 .5 B/7 B/8 B/ 1 4 B/3 2 B/7 0 BA nythingLLM和O llama等工参数规模），使其在本地部署中表具实现PC本地部署，保护数

任务分配与负载均衡

现出色，适合存储和计算资源有限据隐私的同时满足定制化需求。

离线能力

的端侧设备。

DeepSeek 支持完全离

实时性线部署，适合网络条件

在端侧设备上， DeepSeek受限的场景（如工业物

能够满足实时性要求，例如联网、偏远地区）。数据传输与延迟优化

在智能家居、自动驾驶等场

景中，推理延迟低至毫秒级。?

模型更新与协同训练