- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能
DeepSeek 主要模型介绍
前言DeepSeek 系列模型涵盖了从通用语言模型到特定领域应用的模型。每一代模型设计的特点都不一样。本文将介绍 DeepSeek 系列的主要模型及其特点。准备好了吗？ DeepSeek-R1DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。 DeepSeek-CoderDeepSeek-Coder 是一个高性能的代码生成模型，旨在提升软件开发过程中的自动化程度和效率。 DeepSeek-V3DeepSeek-V3 是深度求索公司推出的第三代大规模混合专家（MoE），是当前语言模型领域的顶尖代表之一。 DeepSeek-VLDeepSeek-VL 是多模态模型，旨在融合视觉和语言信息，提升人工智能在图文理解与生成任务中的表现。
1.3K75编辑于 2025-03-27 deepseek7B模型下载如何本地部署？适合新手的操作步骤
对于刚接触大模型的新手来说，DeepSeek7B模型的本地部署可能听起来有点复杂，但只要找对方法和工具，其实没那么难。 今天就来给大家详细讲解DeepSeek7B模型下载后如何本地部署，让部署过程变得简单又轻松。一、前期准备：在开始部署之前，需要先做好一些准备工作。 在软件主界面，点击“模型”选项，然后在弹出的窗口里“选择模型”，软件提供丰富的deepSeek模型，如DeepSeek7B模型。 确定下载模型后，点击下方【点击即可下载】按钮，等待安装完成即可，这一步不用你操心，软件会自动完成部署。在DS本地部署大师软件中，无需手动部署DeepSeek7B模型，下载模型后，软件会自动部署。 以上就是简单的deepSeek7B模型下载部署步骤啦，照着做基本都能解决。赶紧试试用DS本地部署大师来部署DeepSeek7B模型吧，感受一下大模型在本地运行的便捷～
90220编辑于 2025-09-18- 来自专栏AgenticAI
刚刚DeepSeek开源新模型DeepSeek-OCR
就在3个小时前，DeepSeek突然在HuggingFace上传新模型DeepSeek-OCR，一个只有3B大小的文档解析新模型，该模型的目标是探索视觉文本压缩的边界。 在生产环境中，DeepSeek-OCR能够以单个A100-40G GPU的计算能力，每天生成 200k+ 页的训练数据，供大语言模型或视觉语言模型使用。 该模型是一个以LLM视角探索研究视觉编码器作用的模型，性能强悍，编辑距离越小越好，看起来和dots.ocr不相上下。 深感数据量不够，于是顺手训练了一个自己的文档解析模型来扩充自己的数据？ 模型地址：https://huggingface.co/deepseek-ai/DeepSeek-OCR
50010编辑于 2025-11-29 - 来自专栏运维小路
DeepSeek-模型(model)介绍
国产大模型DeepSeek之所以火爆，就是因为他用很小的代价(500W+美元)训练出来的模型达到了ChatGPT等闭源模型的性能。而DeepSeek把训练的模型开源并且允许商用。 目前国内很多厂商都使用DeepSeek的671B模型搭建了模型来供普通用户使用。 注：这里的B指出的是参数，参数越大，代表能力越强，一个B代表10亿参数。 推理模型 推理模型是指训练完成后，模型应用阶段的过程。此时模型参数已固定，用于对新的输入数据（未见过的数据）进行预测或分类。包括我们前面搭建的所有大模型都是使用DeepSeek开源的模型搭建的。 蒸馏模型 DeepSeek到目前为止开源的的模型有多个，其中最火爆DeepSeek-R1,因为他不仅发布了671B的满血版，还发布了蒸馏版。 vllm运行deepseek-ai/DeepSeek-R1-Distill-Qwen-14B和deepseek-ai/DeepSeek-R1-Distill-Qwen-32B模型，显存占用都是到116G
1K10编辑于 2025-03-10 - 来自专栏openclaw系列
如何评估DeepSeek模型的性价比？——DeepSeek性价比评估手册
年均规避罚款$5,000,0003.3创新业务价值新产品开发：基于DeepSeek的智能投顾、个性化保险产品。客户体验升级：7x24小时智能客服，NPS（净推荐值）提升15点。 ：DeepSeek-LLM-7B量化版+vLLM核心指标：QPS（每秒查询数）、平均响应延迟、转人工率性价比焦点：单位请求成本<$0.0016.3投研分析：重专业与深度推荐方案：DeepSeek-V3.2 9.2模型效率革命MoE架构：DeepSeek-MoE用20%的激活参数实现100%的性能。4-bit量化：RTX4090可流畅运行7B模型，硬件门槛大幅降低。 参考资料：恒生电子《光子大模型一体机DeepSeek版白皮书》中信证券《DeepSeek下一代新模型有望延续高性价比开源模型路线》百度智能云《如何评估DeepSeek模型在实际项目中的性能？》 CSDN《DeepSeek结合2026算力趋势优化金融风控模型实战》重庆农商行官方新闻稿《成功实现DeepSeek模型的部署应用》
46420编辑于 2026-04-05 DeepSeek模型：原理、回答机制与模型因子
随着大语言模型（LLM）的快速发展，DeepSeek作为一款领先的开源大模型，以其卓越的性能和广泛的应用场景吸引了众多开发者和研究者的关注。 本文将深入探讨DeepSeek的工作原理、回答生成机制以及其关键模型因子，并通过表格和流程图的形式进行对比分析。 一、DeepSeek的工作原理DeepSeek是一种基于Transformer架构的大语言模型，其核心设计借鉴了GPT系列模型的成功经验，同时在训练数据、模型架构和优化策略上进行了创新。 三、DeepSeek的关键模型因子DeepSeek的表现不仅取决于其架构设计，还受到多个模型因子的影响。 以下是几个关键的模型因子及其作用：四、与其他模型的对比分析为了更好地理解DeepSeek的特点，我们将其与其他主流大语言模型（如GPT-4、Llama2）进行对比：从表中可以看出，DeepSeek在开源性
2.7K10编辑于 2025-03-20DeepSeek-7B-chat langchain 接入
DeepSeek-7B-chat langchain 接入 这篇主要讲 DeepSeek-7B-chat 如何对接Langchain中 langchain.llms.base 的 LLM 模块，其他关于如何对接向量数据库和 pip install langchain==0.0.292 DeepSeek-7B-chat 接入 LangChain 为便捷构建 LLM 应用，我们需要基于本地部署的 DeepSeek-7B-chat ，自定义一个 LLM 类，将 DeepSeek-7B-chat 接入到 LangChain 框架中。 基于本地部署的 DeepSeek-7B-chat 自定义 LLM 类并不复杂，我们只需从 LangChain.llms.base.LLM 类继承一个子类，并重写构造函数与 _call 函数即可： from llm = DeepSeek_LLM('/root/autodl-tmp/deepseek-ai/deepseek-llm-7b-chat') llm('你好') 如下图所示：
41210编辑于 2025-07-17DeepSeek-7B-chat Lora 微调
DeepSeek-7B-chat Lora 微调 概述 本节我们简要介绍如何基于 transformers、peft 等框架，对 DeepSeek-7B-chat 模型进行 Lora 微调。 /deepseek-ai/deepseek-llm-7b-chat/', use_fast=False, trust_remote_code=True) tokenizer.padding_side = /deepseek-ai/deepseek-llm-7b-chat/', trust_remote_code=True, torch_dtype=torch.half, device_map="auto /deepseek-ai/deepseek-llm-7b-chat/') model.generation_config.pad_token_id = model.generation_config.eos_token_id task_type：模型类型 target_modules：需要训练的模型层的名字，主要就是attention部分的层，不同的模型对应的层的名字不同，可以传入数组，也可以字符串，也可以正则表达式。
49710编辑于 2025-07-17DeepSeek-7B-chat WebDemo 部署
DeepSeek-7B-chat WebDemo 部署 DeepSpeek 介绍 由70亿个参数组成的高级语言模型 DeepSeek LLM。 为了促进研究，DeepSeek 已经为研究社区开放了DeepSeek LLM 7B/67B Base 和 DeepSeek LLM 7B/67B Chat。 使用 modelscope 中的snapshot_download函数下载模型，第一个参数为模型名称，参数cache_dir为模型的下载路径。 /deepseek-llm-7b-chat', cache_dir='/root/autodl-tmp', revision='master') 代码准备 在/root/autodl-tmp路径下新建 /autodl-tmp/deepseek-ai/deepseek-llm-7b-chat' # 定义一个函数，用于获取模型和tokenizer @st.cache_resource def get_model
72710编辑于 2025-07-17- 来自专栏小陈运维
使用Ollama部署deepseek大模型
使用Ollama部署deepseek大模型 前置条件 使用英伟达显卡下载cuda驱动 https://developer.nvidia.com/cuda-downloads Ollama Ollama 模型，也可以启动他的模型 https://ollama.com/search # 模型的安装命令 # 1.5B Qwen DeepSeek R1 # 所需空间大约 1.1G ollama run deepseek-r1:1.5b # 7B Qwen DeepSeek R1 # 所需空间大约 4.7G ollama run deepseek-r1:7b # 8B Llama DeepSeek R1 # 所需空间大约 4.9G ollama run deepseek-r1:8b # 14B Qwen DeepSeek R1 # 所需空间大约 9G ollama run deepseek-r1 :14b # 32B Qwen DeepSeek R1 # 所需空间大约 20G ollama run deepseek-r1:32b # 70B Llama DeepSeek R1 # 所需空间大约
2.8K20编辑于 2025-02-04 - 来自专栏AllTests软件测试
本地部署AI大模型DeepSeek
这一系列令人咋舌的事件，让DeepSeek这个名字，瞬间成为了全球AI领域的焦点。 DeepSeek是一家专注于人工智能技术的公司（中国杭州深度求索）及其推出的大语言模型的名称。 DeepSeek的核心产品，是一系列强大的大语言模型。 官方网址： https://www.deepseek.com/ 本篇讲解如何快速的在本地部署AI大模型DeepSeek。 2、本地部署DeepSeek 1、首先要下载安装Ollama。 2、搜索并安装DeepSeek模型。 搜索大语言模型： https://ollama.com/search 可以看到DeepSeek-R1。 深度求索（DeepSeek）的第一代推理模型，性能与OpenAI-o1相当，其中包括六个基于Llama和通义千问（Qwen）从DeepSeek-R1提炼而来的稠密模型。
87410编辑于 2025-02-10 DeepSeek模型MOE结构代码详解
其实在DeepSeek-R1爆火之前，DeepSeek V2在我们行业就已经妇孺皆知了，它独特的MOE结构值得研究一下。 这样的话，既能让模型学习更多的知识（多个“专家”），又能减少推理计算量（选择部分“专家”进行计算）。 output shape: {output.shape}") # torch.Size([64, 256])初始化函数定义首先，定义了Expert类，也就是“专家”，可以看到，专家是由线性层和激活函数构成的简单模型 2], [5, 4, 2], [2, 7, 6], [1, 3, 5], [5, 7, 1], [1, 7, 3], 7, 7, 8, 8, 8, 9, 9, 9], device='npu:4再通过下面的代码就可以把idxes取出来了：expert_samples = sample_indices[expert_mask
45720编辑于 2025-04-21- 来自专栏AI工程落地
DeepSeek V4模型原理
CompressedSparseAttention（CSA）这个Attention有三块功能构成：1.KVCompressor负责把N个token的KV压缩成1个，在DeepSeekV4系列模型里，N= 2.LightningIndexer再从压缩后的KV里挑选top-k个KV参与注意力计算，DeepSeekV4Flash模型的k=512，Pro模型的k=1024。 3.因为KVCompressor会把多个token压缩，压缩后的KVEntriy内部的token之间是无法相互看到的，而且语言模型对最近的token是高度依赖的。 Transformer每层hidden是：[batch,seq,hidden]DeepSeekV4的mHC会把它扩成多条hiddenstream：[batch,seq,hc_mult,hidden]默认hc_mult=4模型入口处会把
21310编辑于 2026-05-09 - 来自专栏机器之心
使用DeepSeek的GRPO，7B模型只需强化学习就能拿下数独
，我没有使用冷启动数据或从 DeepSeek R1 等较大模型中蒸馏的数据。 这证明 7B 模型学会了用很少的数据解决数独问题，并且学习速度很快！ 部分奖励： 我们得到的启发 这个实验揭示了关于复杂推理任务的语言模型教学的几个重要启示： 1、Deepseek R1 论文中提到，在没有冷启动数据的情况下，复杂推理存在一个最小规模阈值。 ：测试 7B 模型的 LoRA rank 32，看更高的 rank 是否能提高性能 蒸馏法：从 DeepSeek R1 等大型模型中提炼出冷启动数据集，然后在此基础上应用 GRPO 高级奖励函数：实施我已经设计好但尚未在训练中部署的更细致入微的奖励机制 虽然 7B 模型的初步结果很有希望，但仍有许多需要学习和改进的地方。 3B 和 7B 模型性能之间的明显差异凸显了一个重要的教训：对于某些任务，要实现稳定学习，对基础模型有最低的尺寸要求。
67400编辑于 2025-03-11 - 来自专栏小陈运维
使用Ollama部署deepseek大模型
使用Ollama部署deepseek大模型前置条件使用英伟达显卡下载cuda驱动https://developer.nvidia.com/cuda-downloadsOllamaOllama 官方版: 模型，也可以启动他的模型https://ollama.com/search# 模型的安装命令# 1.5B Qwen DeepSeek R1 # 所需空间大约 1.1Gollama run deepseek-r1 :1.5b# 7B Qwen DeepSeek R1# 所需空间大约 4.7Gollama run deepseek-r1:7b# 8B Llama DeepSeek R1# 所需空间大约 4.9Gollama run deepseek-r1:8b# 14B Qwen DeepSeek R1# 所需空间大约 9Gollama run deepseek-r1:14b# 32B Qwen DeepSeek R1# 所需空间大约 20Gollama run deepseek-r1:32b# 70B Llama DeepSeek R1# 所需空间大约 43Gollama run deepseek-r1:70b# 671B
3.5K12编辑于 2025-01-26 - 来自专栏IT从业者张某某
大语言模型-1.3-GPT、DeepSeek模型介绍
，综合模态能力显著提升 ➢ 支持统一处理和输出文本、音频、图片、视频信息 o系列模型 ➢ 推理任务上能力大幅提升 ➢ 长思维链推理能力 o-series ➢ 类似人类的“慢思考”过程 1.3.2DeepSeek 系列模型的技术演变 DeepSeek系列模型发展历程 ➢ 训练框架：HAI-LLM ➢ 语言大模型：DeepSeek LLM/V2/V3、Coder/Coder-V2、Math ➢ 多模态大模型 ：DeepSeek-VL ➢ 推理大模型：DeepSeek-R1 DeepSeek 实现了较好的训练框架与数据准备 ➢ 训练框架 HAI-LLM（发布于2023年6月） ➢ 大规模深度学习训练框架 DeepSeek-V3和DeepSeek-R1均达到了同期闭源模型的最好效果 ➢ 开源模型实现了重要突破 为什么 DeepSeek 会引起世界关注 ➢ 打破了OpenAI 闭源产品的领先时效性 progress) 为什么 DeepSeek 会引起世界关注 ➢ 中国具备实现世界最前沿大模型的核心技术 ➢ 模型开源、技术开放
1.3K00编辑于 2025-03-15 - 来自专栏AI智韵
【多模态大模型实战】 搭建DeepSeek Janus-Pro 7B 多模态模型，以及推理微调，推理后的模型融合
模型信息 Janus-Pro是DeepSeek最新开源的多模态模型，是一种新颖的自回归框架，统一了多模态理解和生成。 体验页面：https://modelscope.cn/studios/AI-ModelScope/Janus-Pro-7B 技术报告：https://github.com/deepseek-ai/Janus -7B/files 下载方式有多种，可以一个一个文件的点击，如果模型文件下载的慢，可以点击模型文件下载，获取到下载链接，将其复制到迅雷中，利用迅雷加速。 Janus-Pro-7B') 下载完成之后，就可以的得到模型文件了，如下图： 推理 将janus的整个文件夹复制到项目中（已经安装了，但是不知道为啥导入的时候还是有问题，所以就直接复制了，如果没有问题 微调命令如下： CUDA_VISIBLE_DEVICES=0 \ swift sft \ --model deepseek-ai/Janus-Pro-7B \ --dataset AI-ModelScope
4.2K10编辑于 2025-02-08 - 来自专栏GiantPandaCV
如何看待 DeepSeek 发布的 MoE 大模型 DeepSeek-V2？
，不仅是最强/最先进的国内开源大模型，在国际舞台上亦能比肩 LLaMa3 和 Mixtral-8x7/22-MoE。 /DeepSeek-V2/blob/main/config.json-ai/DeepSeek-V2/blob/main/config.json 以 A800 8x80G 单节点为例， 总显存大小共 640GB 极致的训练/推理性价比 DeepSeekV2 的激活参数量 21B，总参数量 236B，激活参数占比不到 9%，于此对应的是： - Mixtral-8x7B 激活参数量 13B，总参数量 46B，激活参数占比 本质上 LLaMa3 以及其他所有 Dense 开源模型，都是在复现 LLaMa2 的基础上卷数据，其中 LLaMa3 是卷数据卷的最狠的，因此也是模型能力最强的 8B/70B 模型。 也为 DeepSeek 是一个中国 team 感到自豪。 - The End -
97920编辑于 2025-02-03 - 来自专栏DotNet NB && CloudNative
DeepSeek API Client：轻松接入 DeepSeek AI 模型的 .NET 开发利器
今天，我们来介绍一款名为 DeepSeek.ApiClient 的 .NET 库，它为我们提供了一种简单而强大的方式，用于与 DeepSeek 的 AI 模型进行交互。 概述 DeepSeek.ApiClient 是一个专为与 DeepSeek API 交互而设计的 .NET 库。它允许我们轻松地向 DeepSeek 的 AI 模型发送请求，并接收智能的响应。 功能 • 动态支持 DeepSeek 模型 • 依赖注入（DI）无缝集成 • 自定义系统消息专业的技术助手”，从而让模型生成更符合场景的响应。 使用枚举选择模型 还可以通过枚举直接指定模型： string response = await deepSeekClient.SendMessageAsync("解释 SOLID 原则", DeepSeekModel.V3 正是这样一款工具，不仅简化了与 DeepSeek API 的交互，还提供了强大的功能支持。
55800编辑于 2025-04-18 - 来自专栏服务端技术杂谈
特斯拉将搭载豆包大模型和DeepSeek大模型
8月22日，字节跳动方面发布消息称，特斯拉与火山引擎已于近日达成合作，在国内，火山引擎将为特斯拉提供大模型服务，助力特斯拉智能座舱交互体验升级。 全新上市的特斯拉Model Y L车型将搭载豆包大模型与DeepSeek模型，两款模型均通过火山引擎接入。 其中，豆包大模型将承担语音命令功能，如导航设定、媒体播放操控、空调温度调节等，同时，还具备车主手册查询功能；DeepSeek模型则提供AI语音闲聊服务 。
24310编辑于 2026-03-11
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