deepseek官方正版是一款A(yù)I生活學(xué)習(xí)助手，通過這款軟件可以體驗(yàn)到性能世界領(lǐng)先的交流模型，和DeepSeek-V3模型互動交流，支持手機(jī)號、微信、APPLE ID等多種登錄方式。同賬號的歷史對話記錄和網(wǎng)頁端直接同步，功能也是全面對齊，軟件最大的優(yōu)點(diǎn)就是聯(lián)網(wǎng)搜索和深度思考模式，你可以問任何想問的問題，隨時隨地為用戶答疑解惑、實(shí)現(xiàn)高效學(xué)習(xí)辦公。

綜合能力

DeepSeek-V3 在推理速度上相較歷史模型有了大幅提升。

在目前大模型主流榜單中，DeepSeek-V3 在開源模型中位列榜首，與世界上最先進(jìn)的閉源模型不分伯仲。

使用說明

首次調(diào)用 API

DeepSeek API 使用與 Open AI 兼容的 API 格式，通過修改配置，您可以使用 Open AI SDK 來訪問 DeepSeek API，或使用與 Open AI API 兼容的軟件。

* 出于與 Open AI 兼容考慮，您也可以將 base_url 設(shè)置為 https://api.deepseek.com/v1 來使用，但注意，此處 v1 與模型版本無關(guān)。

* deepseek-ch at 模型已全面升級為 DeepSeek-V3，接口不變。 通過指定 model='deepseek-ch at' 即可調(diào)用 DeepSeek-V3。

調(diào)用對話 API

在創(chuàng)建 API key 之后，你可以使用以下樣例腳本的來訪問 DeepSeek API。樣例為非流式輸出，您可以將 stream 設(shè)置為 true 來使用流式輸出。

curl

python

nodejs

進(jìn)步在哪里

V3模型和R1系列模型都是基于V3模型的更基礎(chǔ)版本V3-Base開發(fā)的。相較于V3（類4o）模型，R1（類o1）系列模型進(jìn)行了更多自我評估、自我獎勵式的強(qiáng)化學(xué)習(xí)作為后訓(xùn)練。

在R1之前，業(yè)界大模型普遍依賴于RLHF（基于人類反饋的強(qiáng)化學(xué)習(xí)），這一強(qiáng)化學(xué)習(xí)模式使用了大量由人類撰寫的高質(zhì)量問答以了解「什么才是好的答案」，幫助模型在獎勵不明確的情況下知道如何作困難的選擇。正是這項(xiàng)技術(shù)的使用使得GPT-3進(jìn)化成了更通人性的GPT-3.5，制造了2022年年底Ch atGPT上線時的驚喜體驗(yàn)。不過，GPT的不再進(jìn)步也意味著這一模式已經(jīng)到達(dá)瓶頸。

R1系列模型放棄了RLHF中的HF（human feedback，人類反饋）部分，只留下純粹的RL（強(qiáng)化學(xué)習(xí)）。在其首代版本R1-Zero中，DeepSeek相當(dāng)激進(jìn)地啟動了如下強(qiáng)化學(xué)習(xí)過程：為模型設(shè)置兩個獎勵函數(shù)，一個用于獎勵「結(jié)果正確」的答案（使用外部工具驗(yàn)證答案的最終正確性），另一個獎勵「思考過程正確」的答案（通過一個小型驗(yàn)證模型評估推理步驟的邏輯連貫性）；鼓勵模型一次嘗試幾個不同的答案，然后根據(jù)兩個獎勵函數(shù)對它們進(jìn)行評分。

DeepSeek稱，R系列模型在強(qiáng)化學(xué)習(xí)中涌現(xiàn)出了「反思」能力。

DeepSeek發(fā)現(xiàn)，由此進(jìn)入強(qiáng)化學(xué)習(xí)過程的R1-Zero生成的答案可讀性較差，語言也常常中英混合，但隨著訓(xùn)練時間增加，R1-Zero能不斷「自我進(jìn)化」，開始出現(xiàn)諸如「反思」這樣的復(fù)雜行為，并探索解決問題的替代方法。這些行為都未曾被明確編程。

DeepSeek稱，這種「啊哈時刻」出現(xiàn)在模型訓(xùn)練的中間階段。在此階段，DeepSeek-R1-Zero通過重新評估其初始方法來學(xué)習(xí)分配更多的思考時間。「這一刻彰顯了強(qiáng)化學(xué)習(xí)的力量和美妙——只要提供正確的激勵，模型會自主開發(fā)高級解決問題的策略。」DeepSeek稱，經(jīng)過數(shù)千個這樣的「純強(qiáng)化學(xué)習(xí)」步驟，DeepSeek-R1-Zero在推理基準(zhǔn)測試中的性能就與Open AI-o1-0912的性能相匹配了。

DeepSeek在論文中說，「這是第一個驗(yàn)證LLMs的推理能力可以純粹通過RL（強(qiáng)化學(xué)習(xí)）來激勵，而不需要SFT（supervised fine-tuning，基于監(jiān)督的微調(diào)）的開放研究。」

不過，由于純強(qiáng)化學(xué)習(xí)訓(xùn)練中模型過度聚焦答案正確性，忽視了語言流暢性等基礎(chǔ)能力，導(dǎo)致生成文本中英混雜。為此DeepSeek又新增了冷啟動階段——用數(shù)千條鏈?zhǔn)剿伎迹–oT）數(shù)據(jù)先微調(diào)V3-Base模型，這些數(shù)據(jù)包含規(guī)范的語言表達(dá)和多步推理示例，使模型初步掌握邏輯連貫的生成能力；再啟動強(qiáng)化學(xué)習(xí)流程，生成了大約60萬個推理相關(guān)的樣本和大約20萬個與推理無關(guān)的樣本，將這80萬個樣本數(shù)據(jù)再次用于微調(diào)V3-Base后，就得到了R1——前面提到，DeepSeek還用這80萬個以思維鏈為主的數(shù)據(jù)微調(diào)了阿里巴巴的Qwen系列開源模型，結(jié)果表明其推理能力也提升了。

更新內(nèi)容

v1.1.9：

- 修復(fù)了一些已知問題