说实话，2025 年初那阵子，我朋友圈几乎被 DeepSeek 刷屏了。不是因为又冒出一个"AI 神器"，而是这个中国团队把大模型的价格战，打出了新高度。今天不吹不黑，拿真实数据跟你聊清楚它到底牛在哪、坑在哪。
671B 参数，但每次只激活 37B
DeepSeek-V3 用的是 Mixture-of-Experts（MoE）架构：总参数量 6710 亿，但处理每个 token 只激活 370 亿参数。打个比方，这就像一家大公司，平时真正干活的只有一小部分人——效率高，成本还低。
它预训练用了 14.8 万亿 tokens，上下文窗口 128K，一口气读一部长篇小说没压力。最狠的是，权重完全开源（MIT 协议），意味着你可以自己下载、自己部署，不依赖任何厂商。
训练成本：557.6 万美元，GPT-4 的 1/20
DeepSeek 官方公布的 V3 训练成本约 557.6 万美元，用 2048 张 H800 显卡跑了两个多月。而业界普遍估算 GPT-4 的训练成本在 6300 万美元量级——差距约 20 倍。这个数字一出来，整个行业都坐不住了：原来大模型也可以这么省钱地训练？
价格屠夫：API 只要别人的零头
看官方人民币定价（这是最硬的数据）：
| 模型 | 输入（缓存命中） | 输入（未命中） | 输出 |
|---|---|---|---|
| DeepSeek-V3 | ¥0.5 / 百万token | ¥2 / 百万token | ¥8 / 百万token |
| DeepSeek-R1 | ¥1 / 百万token | ¥4 / 百万token | ¥16 / 百万token |
对比 OpenAI 的 o1（输入 $15/百万、输出 $60/百万），R1 的价格差不多是它的 1/30~1/50。我见过不少创业团队，光是换 DeepSeek 当主力模型，月度 API 账单就能缩水一个量级。
推理是真的强：R1 的数理表现
R1 是 V3 加了一轮大规模强化学习跑出来的推理模型，官方技术报告里的数据：
- AIME 2024（数学竞赛）：R1 拿 79.8%，逼近 OpenAI o1 的 74.4%~79.2%
- MATH-500：97.3%，把 GPT-4o 的 60.3% 甩开一大截
- Codeforces 综合评分：2029（代码能力是真实力）
我自己拿它写代码、解数学题，感受是：它会把思考过程一步步摊开，错了会自己复盘再试，比普通对话模型稳得多。
短板也别藏着
- 多模态基本没有：V3/R1 不能直接看图、识图，这是硬伤
- agent 工具调用不够顺：和 OpenAI 的 function calling 比，差一截手感
- 数据合规要注意：官方 API 的数据在境内服务器处理，企业用敏感数据建议走 AWS Bedrock，或者干脆自己部署开源权重
一句话总结
预算敏感、重推理、爱折腾开源的开发者和团队，DeepSeek 是 2025 年最值得先试的模型；但如果你要的是多模态、agent 丝滑体验，还是得看 GPT 系和 Claude 系。
（数据来源：DeepSeek 官方技术报告 / 官方 API 定价页 / 公开媒体整理，均为可核实数据。）
暂无评论