摘要
DeepSeek官方正版是一款先进的AI生活助手，用户可以与DeepSeek-V3模型进行互动，支持手机号、微信和APPLE ID等多种登录方式。
deepseek官方正版是一款AI生活学习助手，通过这款软件可以体验到性能世界领先的交流模型，和DeepSeek-V3模型互动交流，支持手机号、微信、APPLE ID等多种登录方式。同账号的历史对话记录和网页端直接同步，功能也是全面对齐，软件最大的优点就是联网搜索和深度思考模式，你可以问任何想问的问题，随时随地为用户答疑解惑、实现高效学习办公。
综合能力
DeepSeek-V3 在推理速度上相较历史模型有了大幅提升。
在目前大模型主流榜单中，DeepSeek-V3 在开源模型中位列榜首，与世界上最先进的闭源模型不分伯仲。
使用说明
首次调用 API
DeepSeek API 使用与 Open AI 兼容的 API 格式，通过修改配置，您可以使用 Open AI SDK 来访问 DeepSeek API，或使用与 Open AI API 兼容的软件。
* 出于与 Open AI 兼容考虑，您也可以将 base_url 设置为 https://api.deepseek.com/v1 来使用，但注意，此处 v1 与模型版本无关。
* deepseek-ch at 模型已全面升级为 DeepSeek-V3，接口不变。 通过指定 model=’deepseek-ch at’ 即可调用 DeepSeek-V3。
调用对话 API
在创建 API key 之后，你可以使用以下样例脚本的来访问 DeepSeek API。样例为非流式输出，您可以将 stream 设置为 true 来使用流式输出。
curl
python
nodejs
进步在哪里
V3模型和R1系列模型都是基于V3模型的更基础版本V3-Base开发的。相较于V3（类4o）模型，R1（类o1）系列模型进行了更多自我评估、自我奖励式的强化学习作为后训练。
在R1之前，业界大模型普遍依赖于RLHF（基于人类反馈的强化学习），这一强化学习模式使用了大量由人类撰写的高质量问答以了解「什么才是好的答案」，帮助模型在奖励不明确的情况下知道如何作困难的选择。正是这项技术的使用使得GPT-3进化成了更通人性的GPT-3.5，制造了2022年年底Ch atGPT上线时的惊喜体验。不过，GPT的不再进步也意味着这一模式已经到达瓶颈。
R1系列模型放弃了RLHF中的HF（human feedback，人类反馈）部分，只留下纯粹的RL（强化学习）。在其首代版本R1-Zero中，DeepSeek相当激进地启动了如下强化学习过程：为模型设置两个奖励函数，一个用于奖励「结果正确」的答案（使用外部工具验证答案的最终正确性），另一个奖励「思考过程正确」的答案（通过一个小型验证模型评估推理步骤的逻辑连贯性）；鼓励模型一次尝试几个不同的答案，然后根据两个奖励函数对它们进行评分。
DeepSeek称，R系列模型在强化学习中涌现出了「反思」能力。
DeepSeek发现，由此进入强化学习过程的R1-Zero生成的答案可读性较差，语言也常常中英混合，但随着训练时间增加，R1-Zero能不断「自我进化」，开始出现诸如「反思」这样的复杂行为，并探索解决问题的替代方法。这些行为都未曾被明确编程。
DeepSeek称，这种「啊哈时刻」出现在模型训练的中间阶段。在此阶段，DeepSeek-R1-Zero通过重新评估其初始方法来学习分配更多的思考时间。「这一刻彰显了强化学习的力量和美妙——只要提供正确的激励，模型会自主开发高级解决问题的策略。」DeepSeek称，经过数千个这样的「纯强化学习」步骤，DeepSeek-R1-Zero在推理基准测试中的性能就与Open AI-o1-0912的性能相匹配了。
DeepSeek在论文中说，「这是第一个验证LLMs的推理能力可以纯粹通过RL（强化学习）来激励，而不需要SFT（supervised fine-tuning，基于监督的微调）的开放研究。」
不过，由于纯强化学习训练中模型过度聚焦答案正确性，忽视了语言流畅性等基础能力，导致生成文本中英混杂。为此DeepSeek又新增了冷启动阶段——用数千条链式思考（CoT）数据先微调V3-Base模型，这些数据包含规范的语言表达和多步推理示例，使模型初步掌握逻辑连贯的生成能力；再启动强化学习流程，生成了大约60万个推理相关的样本和大约20万个与推理无关的样本，将这80万个样本数据再次用于微调V3-Base后，就得到了R1——前面提到，DeepSeek还用这80万个以思维链为主的数据微调了阿里巴巴的Qwen系列开源模型，结果表明其推理能力也提升了。
更新内容
v1.0.9：
– 修复了一些已知问题
v1.0.7：
– 优化公式展示效果
– 修复部分已知问题
评论0