DeepSeek 开源模型矩阵深度拆解：不追"全能"，用架构差异重新定义能力边界
摘要：多数厂商在追逐"一个模型通吃一切"，DeepSeek 走了一条相反的路：用架构选择而非参数规模来切分任务空间。R1 用纯强化学习"逼"出推理能力，V3 用 5.5% 的激活比例实现接近稠密大模型的性价比，Prover 在 Lean 4 里生成机器可验证的证明，Engram 则在 MoE 之外开辟了"记忆稀疏"的第二条轴。本文系统拆解 DeepSeek 开源模型矩阵的六条产品线，讲清每一条线在解决什么问题、用什么架构解决、以及为什么这种"分工式开源"比"一个巨无霸"更有战略纵深。
引言：一个反直觉的开源策略
当大多数团队在追求"一个模型覆盖所有场景"时，DeepSeek 的开源矩阵呈现出一种反直觉的克制：推理、通用、多模态、代码、形式化数学、记忆架构、OCR、3D 生成------每一条线都有独立的模型，且架构选择截然不同。
这不是版本迭代的流水账，而是一套有意识的能力分工。R1 在数学和编程基准上压过 V3，但 V3 在知识问答和创意写作上更均衡；Prover 不做"数学题"，它在 Lean 4 中生成编译器可验证的证明代码；Engram 甚至不在"参数计算"的维度上竞争，它在 MoE 之外开辟了第二条稀疏轴------记忆稀疏。
理解这套矩阵，比记住每一个模型的参数更有价值。下面按产品线逐条拆解。
一、推理线：R1 / R1-Zero ------ 用纯强化学习"逼"出推理
R1 系列的独特之处，不在"它是推理模型"，而在训练路径的激进程度。R1-Zero 完全跳过了监督微调（SFT），直接从基础模型通过纯强化学习获得链式推理能力。OpenAI 的 o1 系列走的是 SFT + RL 的混合路线，而 R1-Zero 证明了一件事：推理能力可以从基座模型中通过奖励信号"逼"出来，不需要先用人类标注的推理轨迹做冷启动。
代价是 R1-Zero 的输出可读性较差，R1 最终版在此之上做了后处理，在可读性与推理深度之间取得平衡。
关键数据：
- R1-Zero 和 R1 在数学基准上分别达到 77.9% 和 79.8%；
- 在 Codeforces 编程竞赛中，R1 的表现优于 96.3% 的人类参与者；
- 这项工作的训练方法论登上了**《自然》封面**，标志着纯强化学习路径获得了学术共同体的严肃认可。
能力分工：R1 在可验证任务（数学推理、代码生成、STEM 研究生级问题）上明显强于同代 V3，而 V3 在开放域知识、创意写作和多语言均衡性上更优。这是同一组织内主动做出的两条模型线分工，而非单纯的"新版替代旧版"。
二、通用基座线：V3 / V3.2 ------ 用 5.5% 的激活比例打穿性价比
V3 的架构标签极其清晰：671B 总参数，每 token 仅激活 37B，激活比例约 5.5%。这 5.5% 是 V3 在开源权重前沿模型中实现"能力接近稠密大模型、推理成本远低于稠密模型"的核心机制。
具体来说，V3 的 MoE 设计在 256 个路由专家中每个 token 选择 8 个，外加 1 个所有 token 共享的专家。配合 Multi-head Latent Attention（MLA）和辅助损失无关的负载均衡策略，V3 的训练过程异常稳定------全程没有出现不可恢复的 loss spike，也没有执行任何回滚。完整训练仅消耗 2.788M H800 GPU 小时，这在 671B 量级的模型中是相当克制的成本。
V3.2 在此基础上进一步融入长上下文与推理能力的通用化演进，让通用基座线在保持成本优势的同时，向更复杂的任务空间延伸。
三、多模态线：VL2 做"理解"，Janus 做"统一"
DeepSeek 的多模态策略是两条并行路线，而不是一个模型硬扛所有事。
VL2 走的是标准视觉语言理解路线：图文问答、OCR、表格识别、文档理解。它用 MoE 架构控制成本，以约 4.5B 的激活参数匹配 8B 级别稠密模型的效果。VL2 的定位很务实：把"看懂图片和文档"这件事做到效率最优。
Janus 的差异在于"统一"：同一个模型同时处理多模态理解与生成，而不是把理解交给一个模型、生成交给扩散模型拼接。Janus 的核心设计是解耦视觉编码------理解和生成对视觉粒度的需求不同，共享一个 encoder 会让两边都做不好，因此 Janus 拆开两座视觉塔，但仍复用同一个统一的 Transformer 主干进行处理。
在开源生态中，多数多模态模型只做理解端，生成端交给独立的扩散模型，Janus 选择了一条架构上更"重"、但长期看更收敛的路线。
四、代码线：Coder ------ 真正的差异不在 HumanEval，在中文密度
Coder 的基准表现当然能打：33B 版本在 HumanEval 上达到 74.2%，领先同规模竞品。
但更实质的差异不在跑分，而在训练数据的语言分布。DeepSeek-Coder 的训练集中包含专门的中文自然语言语料，目标是提升对中文注释、中文变量命名和中文项目上下文的理解能力。这恰恰是 CodeLlama、StarCoder 等以英文语料为主的代码模型的结构性短板。
国内开发者在实际项目中的真实痛点是：英文基准跑分再高，模型读不懂中文注释里写的业务约束，生成出来的代码就无法直接使用。Coder 线瞄准的就是这个缝隙。
五、形式化数学线：Prover ------ 不是"做题"，是生成编译器可验证的证明
Prover 系列是最容易被误读的一条线。它不是在"做数学题"，而是在 Lean 4 交互式定理证明器中生成机器可验证的证明代码。评判标准不是"答案看起来对不对"，而是编译器是否接受这段证明。
这意味着 Prover 的能力具有形式化可验证性，与普通数学模型"答案正确但推理可能跳步"的性质有本质区别。
- V1.5 在 miniF2F 上达到 60.2% 的通过率，较 V1 的 50.0% 提升了 10.2 个百分点；
- V2 将参数推至 671B 级别，在 MiniF2F-test 上达到 88.9% 的通过率，并在 PutnamBench 上解决了 49/658 道题；
- V2 的训练路径也很有特点：用 V3 将复杂问题分解为子目标，再将子目标的证明合成为冷启动的思维链，从而把非形式化推理与形式化证明整合进同一个模型。
这条线短期不产生直接的商业回报，但它占据的是 AI for Math 的"可验证性高地"------一旦形式化证明能力成熟，向芯片验证、软件形式化验证、安全关键系统等领域的迁移路径是清晰的。
六、架构创新线：Engram + OCR ------ 在"参数计算"之外开辟新轴
Engram：MoE 稀疏的是计算，Engram 稀疏的是记忆
传统 MoE 稀疏的是参数计算------每次只激活一部分专家。Engram 引入的是一条全新的稀疏轴：静态事实记忆的稀疏。
它将局部、静态的语言模式和事实知识（固定搭配、实体名称、常见序列模式）从动态神经计算中剥离出来，通过基于 N-Gram 的多头哈希映射，以近似 O(1) 的复杂度直接从超大规模静态嵌入表中检索对应向量，作为一个与 MoE 平级的结构性模块嵌入模型。
这与 RAG 有根本区别：RAG 是外挂检索，需要把检索结果"喂"进上下文窗口；Engram 是模型原生的记忆操作，检索发生在参数内部而非外部索引。
DeepSeek 的研究还发现 MoE 与 Engram 之间存在**"U 型缩放律"**：在总参数和算力预算固定时，将 20% 至 25% 的稀疏参数分配给 Engram 可以达到最优平衡。实测中，即便挂载百亿参数级的 Engram 记忆库，检索成本依然保持稳定------确定性的寻址方式支持运行时从主机内存预取，几乎不带来额外的性能开销。
如果这条路线成熟，长上下文中的事实一致性问题和检索延迟问题将在架构层面被重新定义，而不是靠堆上下文窗口或外挂向量库来缓解。
OCR：不是在造识别器，是在探索"上下文光学压缩"
OCR 系列的价值需要换一个视角来看。它不是在做一个更好的文字识别器，而是在探索将视觉信息作为高密度上下文载体的可能性。
DeepSeek-OCR 是一个 3B 级别的模型（约 570M 激活参数），核心思路是将文本渲染为图像，让模型以视觉模态处理高密度信息，从而突破纯文本上下文窗口的 token 经济学限制。
OCR-2 进一步引入**"视觉因果流"（Visual Causal Flow）** 概念：模型不再按像素顺序机械"扫图"，而是依据语义与逻辑动态组织视觉信息，像人一样"读懂"表格、多栏文档与公式------在 OmniDocBench v1.5 基准上取得 91.09% 的综合得分（较前代提升 3.73%）。这条线追求的是感知效率而非语言能力的堆叠。
七、3D 生成线：DreamCraft3D ------ 一个孤立但高质量的存在
DreamCraft3D 是矩阵中相对孤立的一项，但质量很高（ICLR 2024）。它做的是从单张 2D 图像生成高保真、几何一致的 3D 资产，采用分层扩散先验的路线。
它不直接服务于 LLM 主线，但补齐了 DeepSeek 在生成式 3D 方向上的开源存在，也为未来"多模态生成 → 3D 资产 → 仿真/游戏/数字孪生"的链路留下了接口。
八、这张矩阵的真正含义：用架构选择定义能力边界
回头看，DeepSeek 的开源矩阵可以用一张表概括：
| 产品线 | 核心架构选择 | 定义的能力边界 |
|---|---|---|
| R1 / R1-Zero | 纯 RL（Zero 跳过 SFT） | 可验证推理的极致深度 |
| V3 / V3.2 | MoE，5.5% 激活比例 | 通用能力的性价比最优 |
| VL2 | MoE + 动态 tile | 多模态理解的效率前沿 |
| Janus | 解耦视觉编码，统一 Transformer | 理解与生成的架构收敛 |
| Coder | 中文语料密度 | 中文代码场景的实用优势 |
| Prover | Lean 4 可验证证明 | 形式化推理的可信高地 |
| Engram | O(1) 哈希记忆，第二稀疏轴 | 静态知识的架构化解耦 |
| OCR | 视觉上下文压缩 | 感知效率而非语言堆叠 |
| DreamCraft3D | 分层扩散先验 | 2D→3D 资产生成 |
这张矩阵的深层逻辑不是"我们有很多模型"，而是：不同的能力需要不同的架构选择来承载。
推理深度需要纯 RL 的信号强度，通用性价比需要 MoE 的激活控制，形式化证明需要编译器级别的可验证性，记忆一致性需要把静态知识从动态计算中剥离。用同一个稠密模型去覆盖所有这些需求，要么成本不可承受，要么能力被稀释。
这也是 DeepSeek 开源策略最具参考价值的一点：开源不是把最大的模型放出来，而是把一组经过架构设计的、各自定义清晰能力边界的模型放出来，让社区按任务选择，而不是按参数排队。
👍 如果这篇拆解帮你理清了 DeepSeek 模型矩阵的底层逻辑，点个赞支持一下。
💬 你最关注哪条线？R1 的纯 RL、Engram 的记忆稀疏，还是 Prover 的形式化证明？评论区聊聊。
⭐ 收藏本文，下次选型或架构讨论时直接翻出来当参考。