引言
DeepSeek 作为中国人工智能领域最具影响力的研究团队之一，近两年来在大型语言模型和多模态模型方面持续发力，以开源、高效、低成本路线赢得了全球开发者的广泛关注。从 DeepSeek-V2 的 MoE（混合专家）架构创新，到 DeepSeek-V3 的大规模预训练突破，再到 DeepSeek-R1 的推理能力跃升，以及 DeepSeek-Coder 系列在代码智能领域的深耕，DeepSeek 正在以惊人的速度缩小与国际顶尖模型的差距。本文将系统梳理 DeepSeek 的最新研究进展，帮助读者全面了解这支团队的技术路线和核心贡献。
1. DeepSeek-V2：MoE 架构的开端
DeepSeek-V2 是 DeepSeek 团队在 2024 年上半年发布的重要里程碑模型。它首次大规模采用了混合专家（Mixture of Experts, MoE）架构，总参数量达到 236B，但每个 Token 只激活约 21B 参数，在推理成本和效率上实现了极佳的平衡。
DeepSeek-V2 的核心创新在于提出了 Multi-head Latent Attention（MLA） 机制。相比传统的 Multi-head Attention，MLA 通过低秩压缩显著减少了 KV 缓存的显存占用，使得长上下文推理更加高效。这一设计后来成为 DeepSeek 系列模型的标配，也被业界广泛研究和借鉴。此外，DeepSeek-V2 在训练阶段引入了 DeepSeekMoE 架构，通过细粒度的专家划分和共享专家机制，在保持模型容量的同时大幅降低了训练和推理成本。
2. DeepSeek-V3：大规模预训练的突破
2024 年底发布的 DeepSeek-V3 是 DeepSeek 团队迄今为止规模最大、能力最强的基座模型。它拥有 671B 总参数，每次推理激活 37B 参数，在 MMLU、HumanEval、GSM8K 等多个权威基准测试中达到了与 GPT-4 和 Claude 3.5 相当甚至超越的水平。
DeepSeek-V3 的技术亮点包括：
- FP8 混合精度训练：DeepSeek-V3 是首个在超大规模模型上成功验证 FP8 训练可行性的案例，通过细粒度的量化策略和块级缩放，在保持训练稳定性的同时将算力效率提升了近一倍。
- 多头潜在注意力（MLA）持续优化：在 V2 的基础上进一步改进，支持更长的上下文窗口和更高效的推理部署。
- 辅助损失自由负载均衡策略：通过动态调整专家偏置而非依赖传统辅助损失函数，实现了 MoE 专家负载的均衡分配，避免了因辅助损失导致的模型性能退化。
- 多 Token 预测训练目标：在训练中同时预测未来多个 Token，提升了模型的序列建模能力和样本效率。
特别值得关注的是，DeepSeek-V3 的完整训练仅消耗约 278.8 万 H800 GPU 小时，总成本约 557 万美元。这一数字远低于同级别模型（如 Llama 3 405B 等）的训练开销，充分体现了 DeepSeek 团队在工程优化方面的深厚功力。
3. DeepSeek-R1：推理能力的质变
2025 年初发布的 DeepSeek-R1 是 DeepSeek 在推理能力方面的重大突破。与传统的监督微调（SFT）路线不同，DeepSeek-R1 探索了通过 强化学习 直接激发模型的推理潜能，并提出了创新的训练流程。
DeepSeek-R1 系列包含两个核心模型：
- DeepSeek-R1-Zero：完全通过纯强化学习训练，不依赖任何 SFT 数据。实验表明，模型在 RL 训练过程中自发涌现出了自我验证、反思、多步推理等高级推理行为，验证了 RL 在推理能力培养中的核心作用。但 R1-Zero 也存在可读性差、语言混杂等问题。
- DeepSeek-R1：在 R1-Zero 的基础上引入冷启动数据和多阶段训练流程。具体而言，先用少量高质量推理数据做冷启动 SFT，再进行面向推理的 RL 训练，然后通过拒绝采样收集新数据并与通用 SFT 数据混合训练，最后再对全场景进行 RL 对齐。这套流程有效解决了 R1-Zero 的可读性问题，同时保持了强大的推理性能。
DeepSeek-R1 在 AIME 2024、MATH-500、Codeforces 等数学和编程竞赛基准上的表现与 OpenAI o1 正式版相比毫不逊色，而其 完全开源 的策略（包括模型权重和技术报告）更是直接推动了整个开源社区推理能力的跨越式发展。
此外，DeepSeek 团队还通过模型蒸馏技术，将 R1 的推理能力迁移到 Qwen 和 Llama 系列的小模型上，发布了 1.5B 到 70B 的蒸馏版本，使得个人开发者也能够在消费级硬件上运行具有强大推理能力的模型。
4. DeepSeek-Coder 系列：代码智能持续进化
DeepSeek 在代码智能领域的布局同样值得关注。从最初的 DeepSeek-Coder 到最新的 DeepSeek-Coder-V2，该系列模型在代码生成、代码补全、Bug 修复和数学推理方面持续取得进展。
DeepSeek-Coder-V2 基于 DeepSeek-V2 的 MoE 架构，并针对代码场景进行了专项优化：
- 支持 338 种编程语言，上下文窗口扩展至 128K。
- 在 HumanEval、MBPP、LiveCodeBench 等代码基准测试中达到开源模型最优水平。
- 通过 Fill-in-the-Middle（FIM）训练，实现了出色的代码补全和编辑能力，适用于 IDE 插件等实际开发场景。
5. 多模态与 Janus 系列
在多模态领域，DeepSeek 推出了 Janus 系列模型。Janus 的独特之处在于将视觉理解与图像生成解耦为独立的编码器路径，而非使用统一的视觉表示。这种设计使得模型在理解和生成两个任务上都能获得更专业的表现。
2025 年推出的 Janus-Pro 进一步升级，在多模态理解基准（如 MMBench、POPE 等）和文本到图像生成质量（GenEval、DPG-Bench）上均取得了显著提升。Janus 系列展示了 DeepSeek 在多模态理解和生成统一框架上的持续探索。
6. DeepSeek 的开源生态与社区影响
DeepSeek 团队始终坚持开源路线，所有核心模型均以 MIT 或 Apache 2.0 等宽松许可证发布，并通过 Hugging Face 等平台提供完整的模型权重、技术报告和使用文档。这种开放透明的做法极大地推动了全球 AI 研究的民主化进程。
DeepSeek 的开源影响力体现在多个层面：
- 降低技术门槛：R1 蒸馏模型的发布让个人开发者和中小团队也能部署具有强大推理能力的模型。
- 推动工程创新：MLA 注意力机制、FP8 训练方案、MoE 负载均衡等工程实践被大量开源项目借鉴和复现。
- 促进生态协作：DeepSeek 模型已广泛集成到 Ollama、vLLM、llama.cpp 等主流推理框架中，形成了活跃的社区生态。
7. 未来展望
综合 DeepSeek 近两年的发展规划，以下几个方向可能成为其下一阶段的重点：
- 多模态深度融合：在 Janus 系列的基础上进一步统一理解与生成能力，探索真正的多模态通用模型。
- 更高效的训练范式：FP8 训练的成功为更低精度训练（如 FP4）以及更大规模的模型训练奠定了基础。
- 推理能力的持续突破：在 R1 的基础上，探索更强大的 RL 方法、更长的推理链、以及推理与工具使用的结合。
- 端侧与边缘部署：通过蒸馏、量化、剪枝等技术，将模型能力扩展到手机、IoT 设备等资源受限场景。
总结
从 DeepSeek-V2 的 MoE 架构创新，到 DeepSeek-V3 的超大规模高效训练，再到 DeepSeek-R1 在推理能力上的质变，以及 Janus 系列在多模态方向的持续探索，DeepSeek 团队正在多个技术前沿同时推进。其始终坚持的开源策略和工程优化能力，不仅为学术界和工业界提供了宝贵的研究资源，也为全球 AI 技术的民主化做出了重要贡献。对于开发者和研究者而言，持续关注 DeepSeek 的进展，无疑是把控大模型技术脉搏的重要途径。