2024年5月15日，字节宣布其主力AI大模型的定价为输入0.0008元/千tokens（0.8元/百万tokens），当时称较行业便宜99.3%。
5月21日，阿里云宣布，通义千问对标ChatGPT-4的主力模型Qwen-Long，API输入价格从0.02元/千tokens（20元/百万tokens）降至0.0005元/千tokens（0.5元/百万tokens），直降97%。
百度随之公告，文心大模型的两款入门级主力模型ENIRE Speed、ENIRE Lite全面免费。
此前，智谱AI入门级产品GLM-3 Turbo模型的调用价格也从5元/百万tokens降至1元/百万tokens。
而引领这一趋势的事件，正是5月6日， DeepSeek发布全新第二代MoE模型DeepSeek-V2，并宣布自身的API定价为每百万tokens输入1元、输出2元，这一价格显著低于当前市场上的其他同类产品，仅为GPT-4-Turbo价格的近百分之一。
5月15日，DeepSeek完成备案正式开放服务，之后国内AI大模型公司纷纷加入大幅降价行列。
DeepSeek这家从未在市场融资的神秘大模型公司一跃成名。
成立背景和核心理念
DeepSeek（杭州深度求索人工智能基础技术研究有限公司，本文简称“DeepSeek”）由梁文锋创立，他在DeepSeek最终受益的股份比例超80%（根据天眼查数据）。
梁文锋是幻方量化的实际控制人，幻方量化是国内量化私募领域的巨头之一，管理规模曾一度飙升至千亿，现在管理规模依然在600亿元左右。
DeepSeek的创立，源于梁文峰在幻方量化时期即对AI的热衷。
2019年，其自研的深度学习训练平台「萤火一号」总投资近2亿元，搭载了1100块GPU；两年后，「萤火二号」的投入增加到10亿元，搭载了约1万张英伟达A100显卡。
背靠幻方，DeepSeek第一期研发投入即为幻方自主出资，同时有“萤火超算”万卡级别的算力支持，单从资金及硬件配置上，DeepSeek在初期远比国内大部分AI初创企业优渥。
使得DeepSeek是国内除了互联网大厂之外少有的能够拥有超过1万张英伟达A100显卡的人工智能公司。
（1）要原创不要模仿
随着经济发展，中国也要逐步成为贡献者，而不是一直搭便车。DeepSeek要以创新贡献者的身份，加入到游戏里去。
—— 梁文峰曾这样解释DeepSeek的初衷。
DeepSeek的中文翻译为“深度求索”，这反映了公司的定位与目标。
DeepSeek没有选择“1→10”而逆向选择了“0→1”，其提出了一种崭新的MLA（一种新的多头潜在注意力机制）架构，是DeepSeek对模型架构进行了全方位创新。
也正是这种独特架构，其把显存占用降到了过去最常用的MHA架构的5%-13%，同时，它独创的DeepSeekMoESparse结构，也把计算量降到极致，所有这些最终促成了成本的下降，宣布了行业震惊的定价方案，并引领了大模型降价潮。
（2）首要创新，暂不考虑商业化
梁文峰曾表示：
创新首先是一个信念问题。
DeepSeek是国内少数专注研究和技术的AI大模型公司，也是唯一一家未全面考虑商业化，甚至没有进行融资的公司。
DeepSeek希望形成一种生态，业界直接使用DeepSeek的技术和产出，DeepSeek只负责基础模型和前沿的创新，然后其它公司在DeepSeek的基础上构建toB、toC的业务。
（3）本土人才撑起研发
与其他AI企业执着地去海外挖人不同，DeepSeek热衷于自身培养。
DeepSeek的团队成员包括来自顶尖高校的应届毕业生、博四、博五实习生以及毕业几年的年轻人，他们对研究充满热情和好奇心。
梁文峰表示：“前50名顶尖人才可能不在中国，但也许我们能自己打造这样的人。”
团队构成与专业背景
（1）创始人——梁文锋
梁文锋，深度求索创始人、幻方量化创始人。
他本硕就读于浙江大学，攻读人工智能，念书时就笃定“AI定会改变世界”。
毕业后，梁文锋没有走程序员的既定路线，而是下场做量化投资，成立幻方量化。幻方量化成立仅6年管理规模即曾达到千亿，被称为“量化四大天王”之一。
（2）团队构成
OpenAI前政策主管、Anthropic联合创始人Jack Clark认为，DeepSeek“雇佣了一批高深莫测的奇才”。
DeepSeek的团队成员包括来自顶尖高校的应届毕业生、博四、博五实习生以及毕业几年的年轻人，但是具体是谁，我们不得而知。
模型介绍
立足于开源，DeepSeek认为先有一个强大的技术生态更重要。
在颠覆性的技术面前，闭源形成的护城河是短暂的。DeepSeek的护城河来自在研发过程中团队的成长及经验的积累。
目前DeepSeek的模型全部开源，包括通用大模型DeepSeek LLM、MoE模型DeepSeek MoE、DeepSeek V2、代码模型DeepSeek Coder、DeepSeek Coder V2、数学模型DeepSeek Math、多模态大模型DeepSeek VL。
DeepSeek 的 GitHub 页面
（1）MoE模型DeepSeek-V2
2024年1月，DeepSeek发布并开源国内首个MoE大模型 DeepSeekMoE。
2024年5月， DeepSeek发布并开源第二代MoE模型DeepSeek-V2。
DeepSeek-V2是一个混合专家 (MoE) 语言模型，具有训练经济、推理高效的特点。它包含 236B 总参数，其中每个 token 激活 21b，支持 128K tokens 的上下文长度。
DeepSeek-V2没有沿用主流的“类LLaMA的Dense结构”和“类Mistral的Sparse结构”，而是对模型框架进行了全方位的创新，提出了媲美MHA的MLA架构，大幅减少计算量和推理显存；自研Sparse结构DeepSeekMoE进一步将计算量降低到极致，两者结合最终实现模型性能跨级别的提升。
与 DeepSeek 67B 相比，DeepSeek-V2 实现了显著增强的性能，同时节省了 42.5% 的训练成本、减少了 93.3% 的 KV 缓存、并将最大生成吞吐量提升至 5.76 倍。
与发布时的模型对比，DeepSeek-V2均表现出色。
中文综合能力（AlignBench）开源模型中最强，与GPT-4-Turbo，文心4.0等闭源模型在评测中处于同一梯队。
英文综合能力（MT-Bench）与最强的开源模型LLaMA3-70B同处第一梯队，超过最强MoE开源模型Mixtral 8x22B。（根据DeepSeek发布同期披露评测数据）
在 LMSYS 盲测竞技场最新排名中，DeepSeek-V2总榜排名世界模型第17，排于其前面的仅有OpenAI、Anthropic、Google、META、NexusFlow、零一万物的大模型。
在Meta-Llama-3.1开源之前，DeepSeek-V2是全球开源模型第一位。
LMSYS 盲测竞技场总榜：
价格
DeepSeek-V2 API的定价为：每百万tokens输入1元、输出2元
最新启用了上下文硬盘缓存技术，把预计未来会重复使用的内容，缓存在分布式的硬盘阵列中。如果输入存在重复，则重复的部分只需要从缓存读取，无需计算。缓存命中的部分，DeepSeek 费用为 0.1元 每百万 tokens。
（2）通用大模型DeepSeek LLM
2023年11月，DeepSeek 发布并开源通用大语言模型DeepSeek LLM，是DeepSeek继DeepSeek Coder后发布的第二款模型。
同时开源 7B 和 67B 的两种规模模型，均含基础模型（base）和指令微调模型（chat）。
相比当时开源的同级别模型 LLaMA2 70B，DeepSeek LLM 67B 在近20个中英文的公开评测榜单上表现更佳。尤其突出的是推理、数学、编程等能力（如：HumanEval、MATH、CEval、CMMLU）。
（3）代码领域模型DeepSeek CoderV2
2023年11月，DeepSeek发布并开源他们首款模型，代码模型 DeepSeek-Coder。
2024年6月，DeepSeek发布并开源代码模型DeepSeek-Coder-V2。DeepSeek-Coder-V2包含236B与16B两种参数规模，对编程语言的支持从86种扩展到338种。
DeepSeek-Coder-V2 沿用 DeepSeek-V2 的模型结构，总参数 236B，激活 21B，发布时在代码、数学的多个榜单上位居全球第二，介于最强闭源模型 GPT-4o 和 GPT-4-Turbo 之间。（根据DeepSeek发布同期披露评测数据）
DeepSeek-Coder-V2 还具有良好的通用性能，发布时在中英通用能力上位列国内第一梯队。（根据DeepSeek发布同期披露评测数据）
（4）多模态大模型DeepSeek VL
2024年3月，DeepSeek发布并开源多模态大模型DeepSeek VL。同时开源 7B与1.3B的两种规模模型。
DeepSeek-VL 7B超越同规模（7B 参数）的 EMU2-Chat/Yi-VL 等模型，甚至超过更大规模（17B 参数）的 CogVLM
DeepSeek-VL在不丢失语言能力的情况下融入多模态能力，能够对绝大多数现实场景下的问题给出细致而有条理的回复。
能够接受大尺寸分辨率图片作为输入，高达1024×1024，识别图片中的细小物体。同时具备通用多模式理解能力，能够处理逻辑图、网页、公式识别、科学文献、自然图像，以及在复杂场景中体现智能。
小结
国内不少公司习惯于跟随海外科技公司，参考技术做应用变现。即使是互联网大厂在创新方面也较为谨慎，更加重视应用层面。
DeepSeek逆向而行，在这一波AI大模型的发展浪潮中展现出了更为积极进取的姿态。
DeepSeek不再满足于仅仅成为一个跟随者，而是选择站在技术创新的前端，从架构到模型参与整个AI大模型行业的进程，“要原创，要创新”。
在AI大模型架构层面，创新型提出了MLA架构，并取得了卓越的成绩。
我们非常认同DeepSeek创始人梁立峰关于“中国不可能永远只做模仿”的观点，我们期待DeepSeek在创新的道路上行稳致远，也期待更多的中国公司加入创新的行业。
暂无评论内容