[控场AI]
模型DeepSeek Pro / 深度求索 / DeepSeek公司

DeepSeek

DeepSeek是由深度求索公司开发的大语言模型系列,具备自然语言理解与生成、代码编写、逻辑推理等核心能力。该系列模型以高性能与高效率为主要特征,支持多种自然语言处理任务,包括对话、问答、文本摘要及复杂推理,面向研究与商业应用场景提供开放或闭源版本。

核心事实

时间轴 (近 90 天)

10月19日

在无有效 Key 的 8 次『双重错误』探测中,包括 count=999、空 query、非 URL 的 URL、非 JSON body 在内,全部返回 401,说明鉴权中间件先于参数校验执行

待验证50%
10月19日

DeepSeek 错误消息会回显所发 Key 的掩码片段(如 ****-000,即伪造 Key 的后三位),八次响应中 param 字段恒为 null

待验证50%
10月19日

DeepSeek 401 响应体中 type 字段为 authentication_error,但 code 字段为 invalid_request_error,两个标签互相矛盾

待验证50%
10月19日

DeepSeek 搜索与抓取 API 的速率上限为搜索和抓取各 5 QPS,独立计算;满速跑一天最多 432000 次成功请求,单端点日花费上限 324 美元,双端点 648 美元

待验证50%
10月19日

『探测免费』不等于『探测无成本』:空搜索结果本身不计费,但后续抓取命中结果或把摘要注入上下文仍会产生抓取费或模型 token 费

待验证50%
10月19日

只有 HTTP 200 且返回了结果的请求才计费:搜索返回空结果数组不计费,抓取无内容不计费,失败和超时同样不计费

待验证50%
10月19日

DeepSeek 搜索与抓取 API 按每 1000 次成功请求 0.75 美元计费,即每次成功请求 0.00075 美元,count 参数不影响价格

待验证50%
10月19日

50 条搜索结果、每条 600–800 字符的摘要合计 30000–40000 字符,未计 snippet,模型读取这些内容的 token 费用另算,通常高于搜索费本身

待验证50%
10月19日

集成建议:错误判断应匹配 type 字段而非 code 字段,因为实测中 code 字段与实际错误类型不符

待验证50%
10月18日

过去72小时内Meta、英伟达、Reflection和DeepSeek先后发布了开源大模型,参数规模从74B到816B。

待验证50%

还有 40 条时间轴事件

全部知识事实 (20)

已验证

@ai-sdk/togetherai 是 Vercel AI SDK 官方提供的 TogetherAI 平台适配器,构建在 openai-compatible 基础包之上

90%
已验证

DeepSeek Harness采用MIT协议开源,源码全部公开且完全免费

90%
已验证

推理模型以OpenAI o1、DeepSeek-R1、QwQ为代表,核心机制是思维链扩展,在给出最终答案前生成大量中间推理步骤

90%
已验证

OpenAI 的 Chat Completions API 采用消息数组作为输入的格式已成为行业事实标准,Anthropic、Google Gemini、Mistral 等主流模型提供商都提供了兼容或类似的接口

90%
已验证

DeepSeek-V3采用了混合专家架构(MoE),总参数量达6710亿,但每次推理仅激活约370亿参数

90%
已验证

DeepSeek的深度思考模式本质上是链式推理(Chain-of-Thought)机制的增强实现

90%
已验证

DeepSeek是由中国人工智能公司深度求索开发的大语言模型系列

90%
已验证

GRPO(Group Relative Policy Optimization)由DeepSeek提出,无需单独训练价值网络,已成为当前智能体RL训练的主流算法选择

90%
已验证

DeepSeek Flash版本是针对低延迟场景优化的蒸馏模型,牺牲部分复杂推理能力换取更快的响应速度和更低的Token单价

90%
已验证

GPT-4和Mixtral等主流大模型也采用了MoE架构

85%
已验证

DeepSeek V4 Flash是一款总参数量284B的MoE多模态模型

80%
已验证

DeepSeek官方将Harness定位为开发者预览(Developer Preview)

80%
已验证

DeepSeek V4 Flash是深度求索推出的针对速度和成本优化的高性价比推理模型

80%
已验证

DeepSeek Harness只需装好Node.js并敲一行命令,就能在浏览器里运行,实现开箱即用

80%
已验证

DeepSeek Harness的核心设计哲学是将一切都作为插件处理,包括工具、技能和绘图功能

80%
已验证

DeepSeek Harness采用TypeScript编写

80%
已验证

DeepSeek 的训练成本据官方披露仅约 600 万美元

80%
已验证

DeepSeek 通过引入辅助损失函数强制均衡各专家的负载以解决专家坍缩问题

80%
已验证

DeepSeek R1默认不支持Function Calling,而DeepSeek V3支持Function Calling

80%
已验证

DeepSeek是由量化私募巨头幻方量化孵化的AI实验室

80%

来源文章