- 综合排序
- 最热优先
- 最新优先
- 来自专栏Linux运维技术之路
DeepSeek V3、DeepSeek R1 、 DeepSeekLLM版本区别
特性 DeepSeek V3 DeepSeek R1 DeepSeekLLM 含义 高性能信息检索和自然语言处理模型，适用于大规模应用 针对特定任务优化的轻量级模型，适用于中小型企业 专为大规模语言生成任务设计 ，适用于对话系统和生成任务 模型名称 DeepSeek V3 DeepSeek R1 DeepSeekLLM 模型大小 1.5B、7B、8B、14B、32B、70B、671B 1.5B、7B、8B、14B DeepSeek V3: • 适合处理大规模信息检索任务，支持不同参数规模的模型（从 1.5B 到 671B）。 DeepSeek R1: • 轻量级优化版本，主要针对低资源消耗和高推理速度设计。 • 对于 1.5B 和 7B 的模型，适合中小型企业，硬件需求相对较低。 • 对于轻量级模型（如 Deepseek R1 的 1.5B），Python 3.7+ 也可满足需求。
20.9K42编辑于 2025-02-08 - 来自专栏信创系统开发
deepseek 模型 V3 和 R1 的区别
不过，我在访问官网时发现，在 DeepSeek 的官网上，展示的模型是 V3： 然而，真正让 DeepSeek 声名大噪的，却是 R1 这一模型。根据发布记录，V3 要早于 R1 发布。 R1 开源发布，难道是 V3 的精简版本？就像很多商业软件的做法。就这个问题，我问了一问 DeepSeek，得到如下答案： 后面一个答案是开启了深度思考模式下的答案。 这种深度思考模式也是 DeepSeek 引起轰动的原因之一，它会将分析过程展现出来，而不像之前的 GPT，就如同一个黑盒，只给出一个答案。 那么，DeepSeek V3 和 R1 之间到底有什么区别？ DeepSeek R1 利用 V3 的架构优化推理 DeepSeek R1 充分利用了 V3 的架构，但在设计上针对推理任务进行了优化： 特性 DeepSeek V3 DeepSeek R1 架构 混合专家 结语 DeepSeek V3 和 R1 各自擅长不同的任务领域： DeepSeek V3 作为一个通用 NLP 模型，适用于广泛的应用场景，能够高效处理各种文本生成、摘要和对话任务。
12K191编辑于 2025-02-05 DeepSeek技术解读：从V3到R1的MoE架构创新
1V3与R1的主要特征DeepSeek-R1的模型架构来自于V3，甚至可以说R1是具有推理（Reasoning）能力的V3。下面先分别分析V3和R1的架构特征。 DeepSeek还优化了显存分配，以在不使用或少使用张量并行（TP）的情况下训练V3/R1。 下篇请看：陈巍：DeepSeek是否有国运级的创新？从V3到R1的架构创新与误传的万字长文分析（下）162赞同·9评论文章!img4V3的训练流程DeepSeek的R1是以V3为基础构建的（冷启动）。 2）利用DeepSeek-R1模型合成与推理（Reasoning）相关的SFT数据集。这里很有意思，基于R1来SFTV3，再基于V3冷启动R1。 对于R1/V3的主要创新，可以参考下表：DeepSeek-R1/V3的主要创新（来源：中存算）|R1/V3的优化|R1/V3的创新与价值（实现了与OpenAI-o1-1217相当的性能）|其他开源大模型
49310编辑于 2026-05-28- 来自专栏AI绘画
【满血部署DeepSeek- V3 R1】安装手册 腾讯云TI 平台
自2025年1月20日DeepSeek开源推理模型DeepSeek-R1以来，短短13天内，其在全球范围内引起了广泛关注和讨论，甚至导致英伟达市值一周蒸发5520亿美元，引发了硅谷巨头的恐慌和华尔街的焦虑 我们对比一下巨头们拥有顶级GPU的图片 然而随之而来的巨大流量带来的就是注册失败，系统繁忙，很多人现在还没有注册好，即便是注册好，时不时的联网功能就用不了，要不就是网络异常，用户繁忙等等，自从发布了本地部署的R1 - V3 R1的方法了吗？ 第一步点击立即使用 图片 第二步选择deepseek模型 图片 模型选择V3或者R1的满血版本 图片 参考各个版本与显存的关系图 图片 可以选择768G的L20版本 图片 本地部署 是一个非常优于线上的选择 在对话过程中，您可以对DeepSeek所输出的内容进行反馈评价。我们将收集您的反馈信息，包括您主动提交的内容，以便不断改进DeepSeek的输出内容质量。
5.3K71编辑于 2025-02-03 - 来自专栏机器学习与统计学
SGLang放大招，DeepSeek V3、R1 部署性能和成本双重突破
5月5日，LMSYS Org 在 X 平台发布了一则令人振奋的消息：SGLang 提供了首个开源实现，用于在 96 个 GPU 上服务 DeepSeek V3/R1 模型，通过预填充-解码分离（prefill-decode SGLang 的开源实现：性能接近官方数据 LMSYS Org 宣布，SGLang 成功实现了 DeepSeek V3/R1 模型的高效服务，其核心在于利用预填充-解码分离和专家并行技术，在 96 个 专家并行（Expert Parallelism, EP）及优化技术 DeepSeek V3/R1 模型采用了混合专家（MoE）架构，这种架构通过将计算任务分配给多个“专家”来提升性能，但也带来了负载不均衡和通信开销的挑战 此外，AMD 也在 2025 年 4 月宣布，其 Instinct™ GPU 已通过 SGLang 优化支持 DeepSeek V3 模型，进一步扩展了这一技术的影响力。 总结 SGLang 的开源实现通过预填充-解码分离和专家并行技术，为 DeepSeek V3/R1 模型的部署带来了性能和成本的双重突破。
1.3K10编辑于 2025-06-08 - 来自专栏AI工程落地
DeepSeek R1推理
模型结构 DeepSeek R1和DeepSeek V3的模型结构一致，参数量也一致，R1是基于V3做强化学习得来的。R1主要的创新点都用在训练过程，推理过程和V3是一样的。 模型推理 原模型推理 因为模型结构和DeepSeek V3都一样，理论上来说，可以直接换一下模型权重，就可以在任何支持V3的推理框架中运行起来。 支持V3的推理框架如下： DeepSeek-Infer Demo: 为FP8和BF16推理提供了一个简单而轻量级的演示。 with LMDeploy · Issue #2960 · InternLM/lmdeploy 蒸馏模型推理 DeepSeek官方还使用Qwen、Llama等小模型，基于DeepSeek R1做蒸馏， 目前大多数云计算产商和第三方公司声称支持DeepSeek R1，运行的都是蒸馏版本。 蒸馏模型的结构和运行方式和原模型（Qwen、Llama）一致，运行方式也按照Qwen、Llama即可。
3.1K31编辑于 2025-03-07 - 来自专栏深度学习与python
V3 vs R1：DeepSeek 两大模型如何选择？| 送书福利
本文将以 DeepSeek 的 V3 模型和 R1 模型为例，系统地介绍 DeepSeek 的使用技巧。 DeepSeek 的模型及功能详解 默认模型：V3 直接在对话框中输入你的 Prompt（提示词）就会调用 V3 模型，使用方法和 ChatGPT、Kimi、豆包等一样，优势在于快。 下面我们使用一样的提示词：“我计划 3 月去杭州旅行，帮我制定一份旅行攻略“，看看 V3 和 R1 这两种模型的输出结果的区别，如图 1 所示。 图 1 V3（左）和 R1（右）的区别 在 V3 中，只是列举了每天去哪、交通选择什么、住宿可以住在哪；而 R1 会告诉你 最佳的花期、气温、携带什么物件、早餐吃什么美食等，考虑得更周到也更细致。 R1 厉害的地方在于，它会有一个思考的过程，并把这个过程展示给你看，最后的结果相比 V3 更详细，就像人类经过思考得出的答案会比未经思考的更优质。
1.6K00编辑于 2025-03-17 - 来自专栏AI工程落地
DeepSeek R1专家并行
混合专家Moe原理DeepSeek R1和V3一样，采用混合专家，模型结构图如下：混合专家相当于Transformer结构中的FFN，R1每一层网络有1个共享专家（shared expert）、256个路由专家 DeepSeek R1的专家并行实现可以参考ColossalAI：https://github.com/hpcaitech/ColossalAI/blob/main/colossalai/shardformer DeepSeek开源了专家做负载均衡的代码：deepseek-ai/EPLB: Expert Parallelism Load Balancer。 参考资料DeepSeek V3：DeepSeek-V3/DeepSeek_V3.pdf at main · deepseek-ai/DeepSeek-V3DeepSeek R1：DeepSeek-R1/ DeepSeek_R1.pdf at main · deepseek-ai/DeepSeek-R1vLLM：vllm/vllm/model_executor/models/deepseek_v2.py
1.8K21编辑于 2025-09-26 - 来自专栏IT技术订阅
DeepSeek R1与V3：技术架构、性能与应用场景的深入解析
在这一背景下，深度求索（DeepSeek）公司推出了两款备受瞩目的大语言模型——R1和V3。 本文将详细分析DeepSeek R1与V3的区别与联系，为读者揭示这两款模型背后的技术奥秘和应用价值。 二、技术架构：混合专家架构的异同 1. V3：在数学、多语言和编码任务中的出色表现 与R1不同，DeepSeek V3在数学、多语言和编码任务中表现出色。在Cmath测试中，V3的得分达到了90.7%，这一成绩在同类模型中同样具有竞争力。 在教育领域，R1也可以作为一款辅助教学工具，帮助学生更好地理解和掌握知识。 2. V3：助力企业高效解决语言任务 相比之下，DeepSeek V3则主要适用于大型语言任务。 技术框架：基于混合专家架构的设计 尽管DeepSeek R1和V3在设计目标、架构优化和应用场景上存在显著差异，但它们都基于相似的技术框架进行设计。
1.4K10编辑于 2025-03-13 - 来自专栏AgenticAI
Ollama现已全面支持DeepSeek R1及衍生蒸馏模型，选择V3还是R1蒸馏模型辅助编程？
DeepSeek 的第一代推理模型R1在数学、代码和推理任务中实现了与 OpenAI 的 o1 相当的性能！ 在开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 Ollama现已全面支持DeepSeek推理模型系列R1及其蒸馏模型。 如果你觉得v3在编程方面已经不错，那么桌面替代蒸馏模型是哪个呢？相比较DeepSeek V3，哪个蒸馏模型能够媲美？ 按照上一篇文章显示的LiveCodeBench评分，DeepSeek V3得分42.2，蒸馏模型Qwen 14B在第一张图中得分53.1，具有相当的性能，而且尺寸相对来说属于桌面级能跑，推荐大家在桌面上使用
50900编辑于 2025-03-18 - 来自专栏山河已无恙
DeepSeek 大模型基本认知(V3、R1、Janus、VL2 简单介绍以及本地部署)
写在前面 看到好多人都在讨论，简单认识一下 博文内容涉及 DeepSeek AI 大模型 V3、R1、Janus、VL2 简单介绍以及本地部署 理解不足小伙伴帮忙指正 :),生活加油 “以开源精神和长期主义追求普惠 /deepseek-ai/ 公开的模型地址： https://huggingface.co/deepseek-ai DeepSeek-V3 系列 DeepSeek-V3 是 DeepSeek-V2 之后有一个新的版本 ，SGLang 和 LMDeploy 第一时间支持了 V3 模型的原生 FP8 推理，同时 TensorRT-LLM 和 MindIE 则实现了 BF16 推理。 DeepSeek-R1-Distill：从 R1 蒸馏到小型开源模型（如 Qwen、Llama）的轻量级推理模型，性能接近原版但更易部署。 深度思考 R1 本地部署 我当前的机器可以本地部署 DeepSeek-R1-Distill 系列的小模型 DeepSeek-R1-Distill-Qwen-1.5B DeepSeek-R1-Distill-Qwen
3.2K11编辑于 2025-02-25 - 来自专栏AI智韵
DeepSeek R1满血版测评
今天我用了三个版本的DeepSeek R1来回答同一个问题。三个版本分别：FB8、Q4量化、元宝满血版。大家可以评一评哪个回答更好。 问题 人工智能的三驾马车：算力、模型、数据。 同时，提到DeepSeek的成功案例，具体说明他们是如何优化数据流程的，但用户没有提供细节，可能需要假设或一般性描述。 DeepSeek在多步推理和复杂场景中的优异表现，正是源于其构建的知识图谱数据将离散信息转化为逻辑链条的能力证明。 DeepSeek团队披露的创新实践颇具启示：通过构建动态评估-反馈机制，让标注过程本身成为模型迭代的正向循环。 一、数据困境：被遗忘的智能基石 2023年DeepSeek大模型横空出世，其代码生成能力超越GPT-4的表现震惊业界。
56610编辑于 2025-02-26 - 来自专栏自然语言处理
图解DeepSeek R1训练流程
来源：Deepseek R1 论文解读-chance10010 链接：https://www.bilibili.com/opus/1030715086492139523? 引入DeepSeek-R1模型 多阶段训练 & 冷启动数据: 解决DeepSeek-R1-Zero的可读性和语言混合问题。 冷启动数据收集: 通过少量提示和模型自生成答案，微调DeepSeek-V3-Base模型作为RL起点。 3. 论文实验 DeepSeek-R1 评估 基准测试: MMLU、C-Eval、SWE-Bench Verified、Codeforces等。 与其他模型比较: DeepSeek-V3, Claude-Sonnet-3.5, GPT-4o, OpenAI-o1-mini等。
73610编辑于 2025-02-08 本地部署DeepSeek R1大模型
1.2 安装cherry studio 前往官网https://cherry-ai.com/download下载对应操作系统的安装包 1.3 下载deepseek R1本地模型 直接前往Ollama官网 老周这里让 DeepSeek 帮我推荐使用哪个参数的模型。 run deepseek-r1:8b） 接下来可能有点慢，测你家网速的时候到了。 下载完成后，你已经可以直接使用Deepseek R1这个大模型了。不过，为了让大家有更好的体验，我特别推荐使用Cherry Studio这个工具。 如果出现对话说明本地部署DeepSeek R1大模型成功了。如果出现404啥的说明你没有配置对API地址，检查下面这两个操作是否配置对了。
85010编辑于 2025-11-20- 来自专栏Datawhale专栏
单卡复现 DeepSeek R1 Zero教程来了！
/unlock-deepseek），欢迎关注和 star！ 之前有同学问：主播主播，你们团队的复现的 R1 Zero 确实很强，但是还是太耗算力资源，没 3 张 A800 啊，还有没有更经济更简单的方式来学习 R1 Zero 的复现呢? 今天我们来介绍一个有趣的方法，能够让你在单卡复现 DeepSeek R1 Zero，甚至只用一块 4090 显卡也能轻松实现！ 为什么单卡就能复现？ DeepSeek R1 Zero中文复现教程来了！ 完整文件获取 Unlock-DeepSeek 团队后续会陆续发布更多关于 DeepSeek 相关工作解读的文章，敬请关注，我们下次再见！
1.2K10编辑于 2025-02-19 如何在本地部署 DeepSeek R1 模型？
而DeepSeek R1模型，正是这样一款强大且实用的工具，它不仅能满足我们对效率的追求，更能让我们感受到科技的温度与可能性。 DeepSeek R1模型作为一种先进的深度学习模型，能够在各种任务中展现出卓越的性能。本文将详细介绍如何在本地环境中部署DeepSeek R1模型，涵盖从环境准备、模型下载到最终运行的完整步骤。 无论你是初学者还是经验丰富的开发者，都能通过本指南顺利完成部署，充分利用DeepSeek R1的强大功能。 'image' 模型百科 我们在DeepSeek官方网站上使用的R1模型是671B参数量的完整模型，模型大小为404G。 671B以下的R1模型都是Qwen(通义千问)、Llama(羊驼)等其他模型去学习(蒸馏) DeepSeek R1模型所衍生的新模型，底模并非DeepSeek R1。
1.9K10编辑于 2025-05-20- 来自专栏Datawhale专栏
DeepSeek R1 Zero中文复现教程来了！
/unlock-deepseek），欢迎关注和 star！ 各位同学好，我是来自 Unlock-DeepSeek 开源项目团队的骆师傅。 先说结论，我们（Datawhale X 似然实验室）使用 3 张 A800(80G) 计算卡，花了 20 小时训练时间，做出了可能是国内首批 DeepSeek R1 Zero 的中文复现版本，我们把它叫做 Datawhale-R1，用于 R1 Zero 复现教学。 当然，直接询问 DeepSeek 可能是更快的方式。
3.8K20编辑于 2025-02-07 - 来自专栏deepseek
DeepSeek 笔记：R1 部署阶段的推理机制
部署阶段的隐式多路径推理机制在 DeepSeek R1 的部署阶段，其推理机制可以概括为以下两种模式：(1) 隐式多路径生成与筛选- 生成多条路径：模型在单次推理时，可能隐式生成多条潜在的推理路径（CoT R1的隐式多路径更接近贪心策略的扩展，而非规划过程。DeepSeek R1的部署机制通过训练阶段的强化学习内化“慢思考”能力，使其在单次生成时即可输出详细推理。 DeepSeek 笔记：R1 部署阶段的推理机制从R1幻觉谈起，大模型幻觉是缺陷还是创意火花？ 推理强化学习是端到端的监督，推理过程的非监督DeepSeek R1：《少年DS之烦恼》告诉李雪琴一个激发写段子灵感的秘诀：找deepseek R1DeepSeek 风暴下看看它的论文DeepSeek's DeepSeek_R1 paper
62510编辑于 2025-02-14 - 来自专栏AI模型部署实践
HAI DeepSeek R1 + AnythingLLM实现知识库
一、环境说明 本环境基于高性能应用服务HAI-社区应用-DeepSeek AnythingLLM创建，支持进行知识库部署 AnythingLLM是一款一体化 AI 应用，支持与文档聊天，使用 AI 代理等 创建实例 首先创建一台高性能应用服务HAI实例，环境选择“社区应用-DeepSeek AnythingLLM”，其余配置按需选择。 2. Base url”修改为：该台HAI实例的公网ip:6399，如http://11.111.711.110:6399 （此步骤为最关键的一步） 在“Ollama Model”处选择需要使用的模型，如“deepseek-r1
3.7K14编辑于 2025-02-12 浅谈deepseek R1当前适合的落地场景
通过对当前各个企业的实践及推出的产品来看，Deepseek R1当前适合的落地场景如下：一、内容创作与编辑R1擅长生成各种类型的文本内容，从新闻体、一封邮件到小说创作都手到擒来。 二、教育与科研deepseek R1拥有强大的知识库和推理能力，它能够充当“AI导师”或“研究助手”的角色。在教育领域，老师和学生可以用R1来解答疑难问题，或者让它用通俗易懂的语言解释复杂概念。 四、软件开发与代码辅助作为DeepSeek模型系列的“看家本领”之一，R1对代码的理解和生成能力极其突出。辅助编程是R1的主舞台。 目前国内大厂出品的辅助编程工具：腾讯云Ai代码助手、通义灵码、Marscode等都已经接入了deepseek R1/V3的模型。 相比其他高端AI模型，DeepSeek R1极大地降低了使用成本，这使得更多企业和开发者有机会使用高性能的AI模型。
83500编辑于 2025-03-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号