摘要：春节期间，DeepSeek 掀起了一股热潮，成为了科技领域的热门话题。身边很多非圈内人士茶余饭后也在讨论 DeepSeek，足以见得其火爆程度。
春节期间，DeepSeek 掀起了一股热潮，成为了科技领域的热门话题。身边很多非圈内人士茶余饭后也在讨论 DeepSeek，足以见得其火爆程度。
DeepSeek 全称：杭州深度求索人工智能基础技术研究有限公司，成立于 2023 年 7 月 17 日。由知名量化投资机构幻方量化创立并孵化。
幻方量化是中国顶尖的对冲基金公司，擅长利用 AI 算法优化金融交易策略。其强大的算力资源和技术积累为 DeepSeek 的研发提供了硬件支持和资金保障。
DeepSeek 的创始人梁文峰出生于 1985 年，17 岁考入浙江大学，拥有信息与电子工程学硕士学位。2023 年，梁文锋宣布进军通用人工智能（AGI）领域，创办了 DeepSeek，致力于开发真正人类级别的人工智能。
DeepSeek 近期发布了三个模型，分别是：24 年 12 月 26 的 DeepSeek V3、25 年 1 月 20 日发布了 DeepSeek R1、25 年 1 月 28 日发布的多模态模型 Janus-Pro 。
V3：该模型是混合专家（MoE）架构，参数量达 6710 亿，激活参数为 370 亿，预训练数据量为 14.8 万亿 token。在百科知识（MMLU、GPQA）、长文本（DROP、LongBench v2）、代码（Codeforces）、数学（AIME 2024、CNMO 2024）等评测中超越主流开源模型（如 Qwen2.5-72B、Llama-3.1-405B），并与 Claude-3.5-Sonnet、GPT-4o 等闭源模型性能持平。
R1：专注于数学、代码、自然语言推理任务，性能对标 OpenAI o1 正式版，部分测试（如AIME 得分率 79.8% vs. o1 的 79.2% ）实现超越。API 调用成本仅为 openai o1 的3.7%（输出 Token 每百万 16元），训练总成本约 550 万美元，算力需求显著低于同类模型 。
Janus-Pro：作为 DeepSeek 首款开源多模态模型，Janus-Pro 支持视觉、语言等多模态输入输出，填补此前 V3 模型仅限文本交互的局限。
我是 DeepSeek 的早期用户，开始使用时，只有网页版，非常简陋，还没有历史记录，但回答问题的效果不错，特别是编程相关。给我的感觉是认真在做模型，在应用层面不太重视。即便是到现在，依然没有花哨的应用层功能，硬是靠强大的模型能力和创新火出圈了。
DeepSeek R1 的技术报告地址如下：
网页端浏览器访问这个地址：https://chat.deepseek.com/ ，手机号或者微信注册，登录后如下图：
深度思考后面括号里写的是 R1，说明使用的是 R1 模型，深度思考和联网搜索可以同时勾选，比如我让评价射雕的电影，可以看到 DeepSeek 先搜索网页，再进行深度思考，思考过程也会显示在页面中：
DeepSeek 最近推出了移动端，网页版的左下角有下载二维码。抛开最近的稳定性不谈，可以免费在电脑和手机上使用 R1 模型，已经非常良心了。
可以使用 ollama 在本机进行 DeepSeek R1 模型的部署。
在 ollama 的网站上可以搜索到 DeepSeek R1 模型：https://ollama.com/search?q=DeepSeek
虽然 7b 的模型知识储备还有点弱，但 R1 的思考能力已经具备了：
1、在 DeepSeek 官网（https://www.deepseek.com/）点击右上角的「API 开放平台」：
2、登录后在左侧菜单「API Keys」中创建一个新的 key：
现在已经暂停了 API 服务的充值。
3、开始写代码调用 API，下面代码是将 DeepSeek 的文档地址 (https://api-docs.deepseek.com/zh-cn/) 给 Windsurf，让 Windsurf 完成的，Windsurf 最近版本更新的很快，已经集成了 DeepSeek R1 模型。
deepseek_client.py
fromOpenAIimportOpenAIimportos
classDeepSeekClient:
def__init__(self):
self.client = OpenAI(
api_key='sk-7d2fac93b6ee498ca5546f1ad59244fa',
base_url='https://api.deepseek.com'
)
defchat_completion(self, messages, model="deepseek-reasoner", stream=False):
returnself.client.chat.completions.create(
model=model,
messages=messages,
stream=stream
)
webapi.py
fromFlaskimportFlask, request, jsonifyfromdeepseek_clientimportDeepSeekClient
app = Flask(__name__)
client = DeepSeekClient
@app.route('/chat', methods=['POST'])
defchat_endpoint:
data = request.json
completion = client.chat_completion(
messages=data.get('messages', ),
model=data.get('model', 'deepseek-reasoner'),
stream=data.get('stream',False)
)
returnjsonify({'response': completion.choices[0].message.content})
pyproject.toml
[tool.poetry.dependencies]python = "^3.10"
openai = "^1.12.0"
flask = "^2.0.3"
4、在项目的根目录下执行下面命令启动
poetry installpoetry run flask --app webapi run --debug
5、在 postman 中调用的结果如下：
因为我没有充值，提示余额不足，说明调用 DeepSeek API 是成功的。
R1 模型虽然强悍，但随着春节期间的火爆，使用人数的突增（攻击），现在变得不太稳定，经常会出现“服务器繁忙，请稍后再试。
这种频繁的稍后重试体验非常不好，我们也可以采取一些其他措施：
1、kimi 也发布了 k1.5 长思考，可以和联网搜索一起使用。
2、秘塔 AI 搜索可以开启长思考-R1,这个 R1 就是采用 Deepseek R1 深度推理模型进行回答。
3、使用 ollama 自己部署，跟满血 R1 相比肯定有差距，而且也不能联网。
4、使用 chatbox 调用硅基流动的 R1 API 接口，硅基流动自己部署的 R1 模型，这个方案现在应该知道的人比较多，刚看到 R1 模型的介绍里添加了：2025 年 2 月 6 日起，未实名用户每日最多请求此模型 100 次。
5、在 Windsurf 中使用 DeepSeek 的 R1 模型。
来源：opendotnet