DeepSeek 深度解析

学习目标: 掌握 DeepSeek V4.1 系列的技术选择、DeepInfer 推理栈与 Harness 客户端，学会调用 API
预计时间: 35 分钟
难度: ⭐⭐⭐☆☆
最后更新: 2026 年 10 月

DeepSeek 可能是我个人最欣赏的国产 AI 公司。

不是因为它最强，而是因为它的选择。在大厂疯狂烧钱卷参数量的时候，DeepSeek 做了一件反常识的事：先把推理成本干下来，然后把模型权重、推理引擎、Agent 客户端一起开源。

2026 年它把这件事推到了什么程度？一个输入侧只激活 80 亿、输出侧激活 160 亿的 Flash 模型，官方口径在 4 项 Agent 类评测上超过 Claude Opus 5，单任务成本只有美国前沿模型的十分之一量级。这篇文章拆给你看，哪些是真的，哪些要打折。

DeepSeek 是谁?

深度求索（DeepSeek），2023 年成立，母公司是幻方量化（国内顶级量化基金）。

创始团队的背景很有意思：一群做量化交易的人转行做 AI。这也解释了 DeepSeek 区别于其他公司的两个特质：

效率优先。量化交易的核心不是"有多少钱"，是"怎么用更少的钱赚更多的钱"。DeepSeek 做模型的思路一样——同样的能力，成本要比别人低一个数量级。
结果说话。不搞 PR，不写软文。发模型 + 开源权重 + 上架 App + 更新 changelog，完事。

产品矩阵（2026 年 10 月）

API 上真实能调的东西只有两个模型名：

模型名	对应版本	定位	时间
`deepseek-flash`	DeepSeek-V4.1-Flash-1017	主力、高性价比、原生图像理解	2026.10.17（首版 2026.09.10）
`deepseek-v4-pro`	DeepSeek-V4-Pro-0813	旗舰、纯文本、复杂推理	2026.08.13（预览版 2026.04.24）

其余型号的现状：

模型	状态
`deepseek-chat` / `deepseek-reasoner`	2026-07-24 停用。前者曾是 V4-Flash 非思考模式，后者是思考模式
`deepseek-v4-flash` / `-vision-exp`	模型已下线，模型名还收，请求路由到 V4.1-Flash-1017，按 Flash 价格计费
DeepSeek R1	API 模型名退役，权重仍以 MIT 开放；"会思考"已并入 V4 全系的默认能力
DeepSeek V3 / V3.2	历史对照。V3.2 是 V4 之前最后一个通用版本

V4.1 Flash — 现在的主力线路

V4.1 Flash 是 DeepSeek 新架构家族里最小的一个。但"小"只指激活参数：

指标	数据
总参数	552B（MoE，384 路由专家 + 1 共享专家）
激活参数	输入侧（预填充）8B / 输出侧（解码）16B
架构	CED（20 层因果编码器 + 20 层解码器）、CSA2 稀疏注意力
上下文	1M tokens，最大输出 384K
多模态	原生图像理解，视觉与文本从预训练起联合学习
预训练	45T tokens
KV 缓存	约 890 字节/token，是 V4-Flash 的 1/4
许可证	MIT

两个数字值得单独说：

8B / 16B 的非对称激活。Agent 任务的特点是"输入极长、输出很短"，输入侧省下来的就是真金白银。
KV 缓存 890 字节/token。官方技术报告标题就叫《Pushing the Limits of KV Cache Compression》。1M 上下文能不能商用，瓶颈从来不是显存容量，是 KV 缓存。

V4 Pro — 真旗舰

V4 Pro 是 1.6T 总参 / 49B 激活的 MoE，1M 上下文、最大输出 384K，不支持图像理解。0813 版沿用预览版的结构，外挂了一个 DSpark 推测解码模块。

V4 系列 4 月 24 日以预览版上线时就是 Pro + Flash 两个型号，8 月 13 日 Pro 转正（API 版本 DeepSeek-V4-Pro-0813），重点补的是 Agent 能力和生产稳定性。要图像理解只能用 Flash。

R1 去哪了

API 层面已经没有了。deepseek-reasoner 在 2026 年 7 月 24 日停用，R1 的思维链变成了 V4 全系的"思考模式"（thinking 参数）。
权重还在。Hugging Face 上 DeepSeek-R1 累计下载 139 万次，1.5B 到 70B 的蒸馏版一应俱全，本地部署和微调场景仍有人用。
历史意义大于现状。R1 证明的事——用十分之一的成本做强化学习，推理能力能接近闭源前沿——已被 V4 系列继承并超越。

V4.1 Flash-1017 意味着什么

1017 不是大版本，是一个快照更新，但它把 DeepSeek 的路线讲清楚了。

参数效率：8B / 16B 打赢别人几千亿

官方定位很直接：V4.1 Flash 在性能、速度、任务完成时间上全面超过自家 V4 Pro 预览版，而它解码时只激活 16B 参数。

不是"小模型追平大模型"的励志故事，是一个工程选择：把容量放在总参数里，把成本压在激活参数上。MoE 谁都会做，难的是让稀疏激活在 Agent 这种多轮、长上下文、工具调用密集的场景里不掉链子。CED 架构 + CSA2 稀疏注意力 + DSpark 推测解码叠起来，才让 8B/16B 撑得住 1M 上下文。

4 项 Agent 评测超过 Claude Opus 5（厂方口径）

数据来自 DeepSeek 官方 2026-10-17 的对比表，是厂方自己跑的，不是第三方：

评测	V4.1-Flash-1017	V4.1-Flash	Kimi K3	GLM-5.3	GPT-5.6 Sol	Claude Opus 5
HLE（无工具）	42.6	36.8	43.5	42.0	44.5	56.3
Terminal-Bench 4.0	42.3	31.2	12.6	37.9	39.9	51.8
DeepSWE v1.1	77.0	74.2	67.5	66.9	73.0	74.0
ProgramBench	29.1	20.3	17.5	19.0	23.0	37.0
NL2Repo-Bench	68.2	65.4	58.0	58.0	56.8	75.3
Automation-Bench v1.0.6	60.5	54.8	46.7	48.8	45.8	50.3
Agents' Last Exam	35.4	31.8	27.6	28.5	26.7	28.6
Apex Bench v1.1	72.1	64.6	47.8	56.6	54.3	65.8

加粗的四项就是"超过 Opus 5"的那四项：DeepSWE、Automation-Bench、Agents' Last Exam、Apex Bench——全是 Agent / 工具调用类。

也要看清它输在哪：HLE 差 13.7 分（世界知识和硬核推理），Terminal-Bench 4.0 差 9.5 分（长链路终端操作），ProgramBench、NL2Repo-Bench 也输（从零建仓库、多文件重构这类完整工程任务）。视觉类评测小幅落后 Opus 5，但已经能和 GPT-5.6 Sol 打平。

所以准确的说法是：在"用工具把任务跑完"上，它进了第一梯队；在"知道得多、想得深"上，它还差一档。

单任务成本：低一个量级

官方在 1017 发布里放了一张 DeepSWE v1.1 的"性能-成本"散点图。在同样的解决率区间，V4.1 Flash 的每任务成本比美国前沿模型低一个数量级。日媒按这张图折算，单任务约 30 日元（约 1.3 元人民币）。

这个数字要理解成"Agent 任务的成本结构"，不是"所有调用都便宜 10 倍"：它算的是一个完整任务（多次模型调用 + 工具调用 + 重试）的总成本；优势来自激活参数少、输出短（1017 相比上一版缩短了输出长度和任务耗时）、KV 缓存小。模型侧还支持 1–100 的连续推理强度，简单任务调低档，省下的思考 token 是实打实的钱。

推理基建：DeepInfer 开源意味着什么

2026 年 10 月 20 日，DeepSeek 把内部推理框架 DeepInfer 全面开源（Apache 2.0），同步放出 token 编解码组件 deepseek-recipe。仓库：github.com/deepseek-ai/DeepInfer。

这不是"又开源了一个项目"，是补上一块长期缺失的拼图。

项目	内容
定位	支撑 DeepSeek 线上大规模服务的推理框架
支持模型	目前只支持 DeepSeek-V4.1-Flash（默认加载 1017 快照）
硬件	NVIDIA SM100（Blackwell）、华为昇腾 950；不支持 Hopper 及更早的卡
核心能力	优化算子、Attention DP / MoE EP + EPLB、DSpark 推测解码、SWA 有界重放、异步调度、结构化输出
明确不包含	KV 缓存系统、PD 分离（预填充/解码拆机）、DP 副本间负载均衡
生产数据	单集群日处理 155 万亿 tokens；空闲时段定价下每 GPU 每小时收入 38 美元

对自建者来说，意义有三层：

你终于能复现"官方那套"。以前开源的是权重，推理怎么部署全靠猜；社区用 vLLM 跑出来的吞吐，和官方服务差着一截。现在线上服务用的就是这个引擎。
国产生态是真适配。昇腾 950 是一等公民，不是"后续计划支持"。DeepSeek 同时把 TileLang 编译工具、DeepGEMM / FlashMLA / DeepEP 这些算子库迁到了昇腾。
但它不是开箱即用的 vLLM。README 写得很直白：完整服务还需要 KV 缓存系统、PD 分离和负载均衡，这三块因为和内部基础设施耦合没开源。官方给的最小高效部署建议是预填充、解码各 64 卡。

换句话说：DeepInfer 开源的是"引擎"，不是"整车"。这个取舍比画一个"全栈开源"的饼诚实。框架最初基于 vLLM 改造，README 也明确致谢了 vLLM、SGLang 和 TensorRT-LLM。

客户端：DeepSeek Harness 桌面版

DeepSeek Harness（DSH）是 DeepSeek 的 Agent 客户端，2026 年 8 月开源，MIT 协议，仓库 deepseek-ai/deepseek-harness。设计哲学一句话：一切皆插件（基于 Cordis 框架）。

2026 年 9 月 29 日，Harness v0.2 预览版发布，第一次提供开箱即用的桌面安装包：

入口：访问 deepseek.com/harness → "下载桌面端"
平台：macOS、Windows 双端安装包；装完跟引导走，不用自己配 Node.js
本质：把 dsh 的 Web 应用和 Agent 运行时打包成桌面程序，支持后台运行、本地文件读写、命令执行、插件扩展
命令行用户：npx @deepseek-ai/dsh web，或用源码安装

对普通用户，它的价值是"不用命令行也能用上 Agent"：整理资料、分析表格、写代码、跑定时任务。对开发者，它的价值是插件体系——工具、技能、界面都能组合，甚至可以用自然语言"创造一个插件"。

一个实用细节：用 V4.1-Flash-1017 请升级到 Harness 0.2.1-rc.1 及以上。新模型针对 Harness、腾讯 CodeBuddy、WorkBuddy 做了专项优化。

开源生态

DeepSeek 的开源早就不是"发权重"了，是模型 + 算子 + 推理栈 + 客户端全套。截至 2026 年 10 月 23 日，官方 GitHub 组织下 45 个仓库，累计 71 万+ stars。

项目	类型	许可证	Stars	说明
deepseek-harness	Agent 客户端/框架	MIT	25.9 万	插件化，桌面 + Web + CLI
DeepSeek-V3	模型权重	MIT	10.5 万	上一代通用模型
DeepSeek-R1	模型权重	MIT	9.2 万	推理模型，含蒸馏系列
DeepInfer	推理框架	Apache-2.0	2.0 万	2026.10 开源，线上同款
DeepGEMM / FlashMLA / DeepEP	算子与通信库	MIT	各 0.9–1.3 万	训练和服务的地基
3FS	分布式文件系统	MIT	1.0 万	训练/推理存储
deepseek-recipe	Prompt 编解码库	MIT	0.2 万	Rust + Python binding

模型权重全部在 Hugging Face 和 ModelScope 以 MIT 发布，官方组织下 100+ 模型仓库，累计下载 2,400 万+（含蒸馏版、量化版）。V4 系列已经明确：V4-Pro、V4.1-Flash、V4.1-Flash-1017 都有完整权重，不是"只放个 API"。

我对这套生态的判断没变，只是更确定了：

DeepSeek 真正的护城河不是参数，是把成本做进架构里的能力。KV 缓存压到 1/4、激活参数压到 16B、连推理引擎都开源——抄一个模型容易，抄一整套成本工程很难。

API 使用指南

API 调用

先在 platform.deepseek.com 注册、实名、充值并创建 API Key。DeepSeek 同时兼容 OpenAI 和 Anthropic 两种接口格式：OpenAI 格式用 https://api.deepseek.com，Anthropic 格式用 https://api.deepseek.com/anthropic。

python

from openai import OpenAI

client = OpenAI(
    api_key="your-deepseek-api-key",
    base_url="https://api.deepseek.com"
)

# 默认就是思考模式（thinking enabled，effort = high）
response = client.chat.completions.create(
    model="deepseek-flash",          # 当前 = DeepSeek-V4.1-Flash-1017
    messages=[
        {"role": "system", "content": "你是一个编程助手。"},
        {"role": "user", "content": "用 Python 写一个斐波那契数列生成器"}
    ],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
    max_tokens=8192
)

# 思维链在 reasoning_content，最终答案在 content
print(response.choices[0].message.reasoning_content)
print(response.choices[0].message.content)

关闭思考、走低延迟的普通对话，把 extra_body 换成 {"thinking": {"type": "disabled"}}；要旗舰模型做复杂推理，把 model 换成 deepseek-v4-pro（它不支持图像输入）。

图像输入

图像走 OpenAI 的 content parts 格式，旧版 images 参数已经没有了：

python

messages=[{
    "role": "user",
    "content": [
        {"type": "text", "text": "这张图里有什么？"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
    ]
}]

支持 JPEG / PNG / GIF / WebP。detail 设成 low 会把图压到 512×512，更快更便宜。

完整参数说明

参数	取值	说明
`model`	`deepseek-flash` / `deepseek-v4-pro`	目前只有这两个模型名
`thinking.type`	`enabled` / `disabled`	默认 `enabled`
`reasoning_effort`	`none` / `low` / `high` / `max`	默认 `high`；`none` 等价于关闭思考
`max_tokens`	1 – 393216	默认 8K（非思考）/ 64K（思考）/ 128K（`max`）
`temperature`	0 – 2	默认 1；思考模式下无效
`top_p`	≤ 1	思考模式有效区间 0.95–1.0；Flash 非思考模式固定 1.0
`stream`	`true` / `false`	SSE 流式输出
`tools` / `tool_choice`	OpenAI 格式	旧的 `functions` 参数不用了；思考模式下 `required` 和指定工具会返回 400
`response_format`	`text` / `json_object`	JSON 模式需要自己在 prompt 里要求输出 JSON
`user_id`	字符串	可用于 KV 缓存隔离与调度隔离

已废弃、传了也不生效：frequency_penalty、presence_penalty。

Function Calling

用新版的 tools 格式：

python

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string", "description": "城市名称"}},
            "required": ["city"]
        }
    }
}]

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "北京的天气怎么样？"}],
    tools=tools,
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}}
)

一个容易踩的坑：带 tools 的请求，多轮对话必须把历史 reasoning_content 原样传回去，否则 API 直接 400。不带 tools 时不需要，传了也会被忽略。

定价

人民币计价，高峰/空闲两档（高峰是北京时间工作日 9:00–12:00、14:00–18:00，法定节假日除外；其余时段含周末全部为空闲价）：

模型	档位	输入（缓存命中）	输入（缓存未命中）	输出
`deepseek-flash`	空闲	¥0.02	¥1	¥4
`deepseek-flash`	高峰	¥0.04	¥2	¥8
`deepseek-v4-pro`	空闲	¥0.15	¥4.5	¥13.5
`deepseek-v4-pro`	高峰	¥0.30	¥9.0	¥27.0

单位均为「元/百万 tokens」，数据来自官方 pricing 页（2026-10-23）。美元价和最新调整以 api-docs.deepseek.com/quick_start/pricing 为准。

1017 上线时还开放了自研搜索 API：Search 和 Fetch 都是 5 元/千次成功请求。通过 DeepSeek Harness、Claude Code、Codex 触发的这类调用，2026 年 11 月 1 日 00:00 起开始计费。

写完一篇 2000 字中文技术文章（输入约 500 tokens、输出约 1500 tokens），空闲时段用 Flash 合计约 ¥0.0065——一块钱能跑 150 篇左右。便宜不是补贴出来的，是架构省出来的。

与 Claude/GPT 的对比

维度	V4.1-Flash-1017	V4-Pro-0813	Claude Opus 5	GPT-5.6 Sol
HLE（无工具）	42.6	42.7	56.3	44.5
Terminal-Bench 4.0	42.3	12.4	51.8	39.9
DeepSWE v1.1	77.0	62.7	74.0	73.0
Agents' Last Exam	35.4	25.7	28.6	26.7
上下文	1M	1M	见官网	见官网
权重开源	✅ MIT	✅ MIT	❌	❌

一句话总结：

DeepSeek 已经不是"国产平替"了。 Agent 类任务它进了第一梯队，成本比对手低一个量级；世界知识和超长链路任务上还差一档，但差距在缩小。它的短板不在模型，在生态和品牌认知——而这两块，它正在用开源补。

待发布 / 传闻

V4.1 Pro：DeepSeek 在 2026 年 9 月 10 日发布 V4.1 Flash 时提到"后续还有 V4.1 Pro"，但没给日期。9 月底有灰度测试的传闻（默认 high 推理强度、按账号开放），截至 2026 年 10 月 23 日官方未发布，API 也没有对应模型名。未官宣。
V4.1 Flash 的后续快照：按 1017 的节奏，官方会继续用"日期快照"迭代，模型名不变。这类更新只能以 changelog 为准。
关于 V5、V4.2 的时间表，目前都没有官方口径。看到"内部路线图"之类的说法，先当传闻。

本节小结

✅ 产品线收敛成两个模型名：deepseek-flash（= V4.1-Flash-1017）和 deepseek-v4-pro（= V4-Pro-0813） ✅ V4.1 Flash：552B 总参、输入 8B / 输出 16B 激活、1M 上下文、原生视觉，KV 缓存只有 V4-Flash 的 1/4 ✅ 1017 快照在 4 项 Agent 评测上超过 Claude Opus 5（厂方口径），HLE 等知识型评测仍落后 13 分 ✅ DeepInfer（2026-10-20 开源，Apache 2.0）补齐推理栈，支持 Blackwell 与昇腾 950，但缓存层和负载均衡未开源 ✅ DeepSeek Harness 2026 年 9 月底提供 macOS / Windows 桌面安装包，MIT 协议，一切皆插件 ✅ API 兼容 OpenAI / Anthropic 格式，思考模式默认开启，reasoning_effort 可选 none / low / high / max ✅ 价格按高峰/空闲两档计费，Flash 空闲档输入 ¥1、输出 ¥4 每百万 tokens

← 返回章节目录 | 继续学习：通义千问与 Qwen 生态 →

DeepSeek 深度解析 ​

DeepSeek 是谁? ​

产品矩阵（2026 年 10 月） ​

V4.1 Flash — 现在的主力线路 ​

V4 Pro — 真旗舰 ​

R1 去哪了 ​

V4.1 Flash-1017 意味着什么 ​

参数效率：8B / 16B 打赢别人几千亿 ​

4 项 Agent 评测超过 Claude Opus 5（厂方口径） ​

单任务成本：低一个量级 ​

推理基建：DeepInfer 开源意味着什么 ​

客户端：DeepSeek Harness 桌面版 ​

开源生态 ​

API 使用指南 ​

API 调用 ​

图像输入 ​

完整参数说明 ​

Function Calling ​

定价 ​

与 Claude/GPT 的对比 ​

待发布 / 传闻 ​

本节小结 ​

DeepSeek 深度解析

DeepSeek 是谁?

产品矩阵（2026 年 10 月）

V4.1 Flash — 现在的主力线路

V4 Pro — 真旗舰

R1 去哪了

V4.1 Flash-1017 意味着什么

参数效率：8B / 16B 打赢别人几千亿

4 项 Agent 评测超过 Claude Opus 5（厂方口径）

单任务成本：低一个量级

推理基建：DeepInfer 开源意味着什么

客户端：DeepSeek Harness 桌面版

开源生态

API 使用指南

API 调用

图像输入

完整参数说明

Function Calling

定价

与 Claude/GPT 的对比

待发布 / 传闻

本节小结