DeepSeek tops global usage rankings

🔑 增強重點摘要

•DeepSeek-V2及其後續模型採用了創新的混合專家（MoE）架構，該架構包含2360億總參數，但每個token僅激活210億參數，顯著提升了模型推理的成本效益和效率。
•DeepSeek-V2透過多頭潛注意力（MLA）機制將鍵值（KV）快取記憶體使用量減少了93.3%，並結合DeepSeekMoE架構將訓練成本降低了42.5%，大幅優化了資源消耗。
•DeepSeek於2024年5月推出的DeepSeek-V2以極具競爭力的API定價（輸入每百萬token 1元人民幣，輸出2元人民幣）引發了中國大型語言模型市場的價格戰，促使多家廠商跟進降價。
•DeepSeek在2026年2月被OpenAI和Anthropic指控透過「模型蒸餾」方式，即大量調用其模型介面收集輸出數據來訓練自家模型，引發了關於人工智慧智慧財產權和技術競爭的討論。
•DeepSeek-V2和DeepSeek-Coder-V2在多項基準測試中表現出色，特別是在程式碼生成和數學推理任務上，DeepSeek-Coder-V2在HumanEval基準測試中取得90.2%的高分，超越了GPT-4 Turbo、Claude 3 Opus和Gemini 1.5 Pro等閉源模型。

📊 競品分析▸ Show

模型/特點	DeepSeek-V2/V2.5	DeepSeek-V4 (預覽版)	OpenAI GPT-4o	Meta Llama 3 (70B)	Mistral Large 3
架構	MoE (236B總參數, 21B激活)	MoE	Transformer	Transformer	Transformer
開源狀態	部分開源	部分開源	閉源	開源	閉源
上下文視窗	128K tokens	百萬tokens	長上下文	128K tokens	無限+ tokens
輸入定價 (每百萬tokens)	約 $0.14 (人民幣1元)	V4-Flash: 人民幣1元 (快取命中0.2元)；V4-Pro: 人民幣12元 (快取命中1元)	DeepSeek-V2.5便宜25倍	免費 (開源)	$0.50
輸出定價 (每百萬tokens)	約 $0.28 (人民幣2元)	V4-Flash: 人民幣2元；V4-Pro: 人民幣24元	DeepSeek-V2.5便宜25倍	免費 (開源)	$1.50
HumanEval (程式碼)	DeepSeek-Coder-V2: 90.2%	-	90.2%	81.2% (70B), 88.4%	46.5%
MATH (數學)	DeepSeek V3: 90.2% (MATH-500)	-	-	51.8% (70B), 73.8%	38.0%
MMLU (綜合)	DeepSeek-V2: 78.5% (基礎)	-	-	88.5%	80.7%

🛠️ 技術深入

模型架構: DeepSeek-V2是一款混合專家（MoE）語言模型，總參數量為2360億，但在推理時每個token僅激活210億參數，實現了高效能與低成本。
多頭潛注意力 (MLA): DeepSeek-V2引入了MLA機制，透過低秩鍵值壓縮（low-rank KV compression）顯著減少了93.3%的KV快取記憶體佔用，解決了推理時的記憶體瓶頸問題，並提升了生成吞吐量達5.76倍。
DeepSeekMoE 架構: 該架構優化了前饋網路（FFN），透過稀疏計算實現了更經濟的模型訓練，相較於DeepSeek-67B，訓練成本降低了42.5%。它採用了細粒度專家分割和共享專家隔離策略，以增強專業化並減少知識冗餘。
上下文長度: DeepSeek-V2支援高達128K tokens的上下文長度，這得益於YaRN（Yet another RoPE variant）等長度外推訓練方法的優化。
訓練數據: 模型在包含8.1兆（8.1T）tokens的高品質、多源語料庫上進行預訓練，並經過監督微調（SFT）和強化學習（RL）進一步優化。
推理要求: 在BF16格式下運行DeepSeek-V2進行推理，需要8張80GB的GPU。
DeepSeek-Coder-V2: 作為DeepSeek-V2的延伸，DeepSeek-Coder-V2在DeepSeek-V2的一個中間檢查點基礎上，額外進行了6兆tokens的程式碼數據預訓練，支援338種程式語言。
DeepSeek-VL2: 該系列模型是基於MoE架構的視覺語言模型，在視覺組件上採用動態切片視覺編碼策略處理高解析度圖像，並在語言組件上利用DeepSeekMoE和MLA機制。

🔮 前景展望AI analysis grounded in cited sources

DeepSeek的成本效益模型將加速AI應用的普及化。

其低廉的API定價和高效能使其成為開發者構建高頻次、低成本AI解決方案的理想選擇，尤其是在Agent範式下能顯著降低單次任務總成本。

中國AI模型在全球市場的競爭力將持續增強。

DeepSeek在技術創新和成本控制方面的突破，證明了中國AI公司在面對國際制裁下的韌性和實力，並在中文特定任務上超越國際競爭對手。

AI模型知識產權和「模型蒸餾」的法律爭議將日益加劇。

來自OpenAI和Anthropic的指控凸顯了在模型訓練中數據來源和方法透明度的重要性，可能促使更嚴格的行業規範和法律框架的建立。

⏳ 時間線

2023-07

深度求索人工智能基礎技術研究有限公司成立。

2023-11

DeepSeek發布首個模型DeepSeek Coder。

2024-01

DeepSeek發布DeepSeek-MoE模型，探索混合專家架構。

2024-05

DeepSeek-V2發布，採用MoE和MLA架構，並以極具競爭力的API價格引發市場價格戰。

2024-06

DeepSeek-Coder-V2發布，在程式碼相關任務上性能媲美頂級閉源模型。

2026-02

OpenAI和Anthropic指控DeepSeek透過「模型蒸餾」訓練其模型。

DeepSeek 登頂全球調用榜單

⚡ 30-Second TL;DR

關鍵要點

🧠 深度解析

🔑 增強重點摘要

🛠️ 技術深入

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線

📎 來源 (36)

👉相關動態

Anthropic 發布 Claude Opus 5，專注於執行效率與成本優化

DeepSeek 在 AI 人才爭奪戰中的高薪策略