旅遊休閒樂活趣

DeepSeek是中國人工智慧公司DeepSeek創建的聊天機器人。 DeepSeek-R1 於 1 月 10 日發布，截至 1 月 27 日，它已超過 ChatGPT，成為美國 iOS 應用程式商店下載次數最多的免費軟體應用程式。

DeepSeek大語言模型概述
1. DeepSeek大語言模型是由北京深度求索人工智慧基礎技術研究有限公司自主研發的深度神經網路模型。
2. 該模型基於Transformer架構和注意力機制，透過海量語料資料進行預訓練，並經由監督微調、人類回饋強化學習等方式進行優化。
3. 模型內建審核、過濾等安全機制，確保部署後能根據人類指令或提示，執行語義分析、計算推理、問答對話、篇章生成、程式碼編寫等多項任務。
4. 主要應用於智慧對話場景，為企業客戶提供服務，根據使用者輸入的文字數據，生成符合需求的文字、程式碼等內容。
5. DeepSeek大語言模型演算法於2024年4月上線，並於同年4月完成演算法備案。

DeepSeek大語言模型技術發展歷程
1. 2024年5月7日，發表第二代開源Mixture-of-Experts（MoE）模型－DeepSeek-V2。
2. 2024年6月17日，發表DeepSeek-Coder-V2。
3. 2024年12月13日，發布用於高階多模態理解的專家混合視覺語言模型—DeepSeek-VL2。
4. 2024年12月26日，DeepSeek-V3正式發版。

DeepSeek大語言模型研發團隊
1. DeepSeek大語言模型演算法由北京深度求索人工智慧基礎技術研究有限公司推出。
2. 該公司成立於2023年5月16日。註冊資本為1,000萬元人民幣。法定代表人為裴湉。
3. 由杭州深度求索人工智慧基礎技術研究有限公司全資持股。
4. 深度求索（DeepSeek）的公司總部位於中國大陸浙江省杭州市，由中資避險基金幻方量化創立。

DeepSeek大語言模型發展重點
2024年1月：DeepSeek LLM
1. 推出首個大型語言模型，包含670億參數。
2. 開源7B/67B Base和7B/67B Chat版本，供研究社群使用。
3. 在推理、編碼、數學和中文理解等方面超越Llama2 70B Base。
4. DeepSeek LLM 67B Chat在中文表演上超越了GPT-3.5。
2024年1月：DeepSeek-Coder
1. 發布一系列程式碼語言模型，模型尺寸從1B到33B不等。
2. 在多種程式語言和基準測試中達到開源程式碼模型的最先進效能。
2024年2月：DeepSeekMath
1. 推出專為數學設計的模型，DeepSeekMath 7B在競賽級MATH基準測試中取得優異成績。
2. DeepSeekMath 7B的表現接近Gemini-Ultra和GPT-4的性能水準。
2024年3月：DeepSeek-VL
1. 發布開源視覺-語言模型，能夠高效處理高分辨率圖像。
2. 在視覺-語言基準測試中達到最先進或可競爭的性能。
2024年4月：DeepSeek大語言模型演算法備案通過。
2024年5月：DeepSeek-V2
1. 發表第二代開源混合專家（MoE）模型，包含2360億參數。
2. 實現更強效能，同時節省訓練成本，提高生成吞吐量。
2024年6月：DeepSeek-Coder-V2
1. 推出開源混合專家程式碼語言模型，在程式碼任務中達到GPT4-Turbo相當的效能。
2. 擴展支援程式語言至338種，上下文長度擴展至128K。
2024年12月：DeepSeek-VL2
1. 發表用於高階多模態理解的專家混合視覺語言模型。
2. 在視覺問答、光學字元辨識等多種任務中展現卓越能力。
2024年12月：DeepSeek-V3
1. 正式上線全新系列模型DeepSeek-V3首個版本並同步開源。
2. 在知識類任務，美國數學競賽和全國高中數學聯賽上，大幅超過了其他所有開源閉源模型。
3. 生成吐字速度大幅提高。

演算法原理
核心架構：
1. DeepSeek大語言模型基於Transformer架構，採用深度神經網路模型。
2. 核心技術為注意力機制，透過分析語料資料中的關聯性，提升模型理解和生成能力。
訓練過程：
1. 透過海量語料資料進行預訓練，使模型掌握語言的統計規律和知識。
2. 採用監督微調和人類回饋強化學習，對模型進行對齊，使其更符合人類的期望。
3. 內建審核、過濾等安全機制，確保模型輸出內容的安全性。
核心功能：
實現語義分析、計算推理、問答對話、篇章生成、程式碼編寫等多項任務。

演算法目的
目標：
1. 透過智慧問答、程式碼生成等應用，為使用者提供創作、工作和學習的有效工具。
2. 有效率且便捷地幫助人們獲取資訊、知識和靈感。

運作機制
流程：
1. 使用者輸入文字格式的自然語言數據。
2. 產品對輸入數據進行預處理和違法不良資訊審核。
3. 演算法模型根據語言的統計規律、知識和對齊要求進行推理和計算，預測下一個最佳字詞，實現文字生成。
4. 產品將經過審核的生成內容輸出傳回給使用者，回應使用者的指令。

主要用途
智慧對話場景：
1. 為企業客戶提供服務，根據使用者輸入的文字數據，產生符合需求的文字、程式碼等內容。
2. 直接向使用者或開發者提供智慧對話、文字生成、語意理解、計算推理、程式碼產生補全等應用。

主要優勢
高品質：
DeepSeek-V3品質高於平均水平，各項評估得出的品質指數為80。
高效率低成本：
DeepSeek-V3這個參數量高達671B的大模型，在預訓練階段僅使用2048塊GPU訓練了2個月，且只花費557.6萬美元。其訓練費用相比GPT-4等大模型少很多。
價格優勢：
DeepSeek-V3比平均價格便宜，每100萬個Token的價格為0.48美元。其中，輸入Token價格為每100萬個Token 0.27美元，輸出Token價格為每100萬個Token1.10 美元。
DeepSeek-V2 API的定價為：每百萬tokens輸入1元、輸出2元。