DeepSeek R1 震撼登場：從介紹到使用
春節期間，DeepSeek 掀起了一股熱潮，成為了科技領域的熱門話題。身邊很多非圈內人士茶余飯后也在討論 DeepSeek，足以見得其火爆程度。
介紹
DeepSeek 全稱：杭州深度求索人工智能基礎技術研究有限公司，成立于 2023 年 7 月 17 日。由知名量化投資機構幻方量化創立并孵化。
幻方量化是中國頂尖的對沖基金公司，擅長利用 AI 算法優化金融交易策略。其強大的算力資源和技術積累為 DeepSeek 的研發提供了硬件支持和資金保障。
DeepSeek 的創始人梁文峰出生于 1985 年，17 歲考入浙江大學，擁有信息與電子工程學碩士學位。2023 年，梁文鋒宣布進軍通用人工智能（AGI）領域，創辦了 DeepSeek，致力于開發真正人類級別的人工智能。
DeepSeek 近期發布了三個模型，分別是：24 年 12 月 26 的 DeepSeek V3、25 年 1 月 20 日發布了 DeepSeek R1、25 年 1 月 28 日發布的多模態模型 Janus-Pro 。
V3：該模型是混合專家（MoE）架構，參數量達 6710 億，激活參數為 370 億，預訓練數據量為 14.8 萬億 token。在百科知識（MMLU、GPQA）、長文本（DROP、LongBench v2）、代碼（Codeforces）、數學（AIME 2024、CNMO 2024）等評測中超越主流開源模型（如 Qwen2.5-72B、Llama-3.1-405B），并與 Claude-3.5-Sonnet、GPT-4o 等閉源模型性能持平。
R1：專注于數學、代碼、自然語言推理任務，性能對標 OpenAI o1 正式版，部分測試（如AIME 得分率 79.8% vs. o1 的 79.2% ）實現超越。API 調用成本僅為 OpenAI o1 的3.7%（輸出 Token 每百萬 16元），訓練總成本約 550 萬美元，算力需求顯著低于同類模型 。
Janus-Pro：作為 DeepSeek 首款開源多模態模型，Janus-Pro 支持視覺、語言等多模態輸入輸出，填補此前 V3 模型僅限文本交互的局限。
我是 DeepSeek 的早期用戶，開始使用時，只有網頁版，非常簡陋，還沒有歷史記錄，但回答問題的效果不錯，特別是編程相關。給我的感覺是認真在做模型，在應用層面不太重視。即便是到現在，依然沒有花哨的應用層功能，硬是靠強大的模型能力和創新火出圈了。
DeepSeek R1 的技術報告地址如下：
https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf
使用
網頁端
瀏覽器訪問這個地址：https://chat.deepseek.com/ ，手機號或者微信注冊，登錄后如下圖：
深度思考后面括號里寫的是 R1，說明使用的是 R1 模型，深度思考和聯網搜索可以同時勾選，比如我讓評價射雕的電影，可以看到 DeepSeek 先搜索網頁，再進行深度思考，思考過程也會顯示在頁面中：
APP
DeepSeek 最近推出了移動端，網頁版的左下角有下載二維碼。拋開最近的穩定性不談，可以免費在電腦和手機上使用 R1 模型，已經非常良心了。
本機部署
可以使用 ollama 在本機進行 DeepSeek R1 模型的部署。
在 ollama 的網站上可以搜索到 DeepSeek R1 模型：https://ollama.com/search?q=DeepSeek
可以看到從 1.5b 到 671b 的都有。下面使用 ollama run deepseek-r1:7b 來運行 7b 的模型，使用 run 命令時如果本地沒有這個模型會先自動進行下載。
雖然 7b 的模型知識儲備還有點弱，但 R1 的思考能力已經具備了：
調用 API
在 DeepSeek 官網（https://www.deepseek.com/）點擊右上角的「API 開放平臺」：
登錄后在左側菜單「API Keys」中創建一個新的 key：
現在已經暫停了 API 服務的充值。
開始寫代碼調用 API，下面代碼是將 DeepSeek 的文檔地址 (https://api-docs.deepseek.com/zh-cn/) 給 Windsurf，讓 Windsurf 完成的，Windsurf 最近版本更新的很快，已經集成了 DeepSeek R1 模型。
deepseek_client.py
from openai import OpenAI
import os
class DeepSeekClient:
def __init__(self):
self.client = OpenAI(
api_key='sk-7d2fac93b6ee498ca5546f1ad59244fa',
base_url='https://api.deepseek.com'
)
def chat_completion(self, messages, model="deepseek-reasoner", stream=False):
return self.client.chat.completions.create(
model=model,
messages=messages,
stream=stream
)webapi.py
from flask import Flask, request, jsonify
from deepseek_client import DeepSeekClient
app = Flask(__name__)
client = DeepSeekClient()
@app.route('/chat', methods=['POST'])
def chat_endpoint():
data = request.json
completion = client.chat_completion(
messages=data.get('messages', []),
model=data.get('model', 'deepseek-reasoner'),
stream=data.get('stream', False)
)
return jsonify({'response': completion.choices[0].message.content})pyproject.toml
[tool.poetry.dependencies]
python = "^3.10"
openai = "^1.12.0"
flask = "^2.0.3"在項目的根目錄下執行下面命令啟動。
poetry install
poetry run flask --app webapi run --debug在 postman 中調用的結果如下：
因為我沒有充值，提示余額不足，說明調用 DeepSeek API 是成功的。
最后
R1 模型雖然強悍，但隨著春節期間的火爆，使用人數的突增（攻擊），現在變得不太穩定，經常會出現“服務器繁忙，請稍后再試。
這種頻繁的稍后重試體驗非常不好，我們也可以采取一些其他措施：
- kimi 也發布了 k1.5 長思考，可以和聯網搜索一起使用。
- 秘塔 AI 搜索可以開啟長思考-R1,這個 R1 就是采用 Deepseek R1 深度推理模型進行回答。
- 使用 ollama 自己部署，跟滿血 R1 相比肯定有差距，而且也不能聯網。
- 使用 chatbox 調用硅基流動的 R1 API 接口，硅基流動自己部署的 R1 模型，這個方案現在應該知道的人比較多，剛看到 R1 模型的介紹里添加了：2025 年 2 月 6 日起，未實名用戶每日最多請求此模型 100 次。
- 在 Windsurf 中使用 DeepSeek 的 R1 模型。
