DeepSeek 引领国产大模型崛起，助力 AI 应用大规模落地
思瀚产业研究院    2025-06-21

DeepSeek 通过技术创新实现大模型训练及推理极高性价比。2024 年 12 月 26 日，DeepSeek 正式发布全新系列模型 DeepSeek-V3，DeepSeek-V3 为自研 MoE 模型，总参数量为 671B，每个 token 激活 37B 参数，在 14.8T token 上进行了预训练。DeepSeek-V3 在性能上对标 OpenAI GPT-4o 模型，并在成本上优势巨大，实现极高的性价比。

DeepSeek-V3的技术创新主要体现在采用混合专家（MoE）架构，动态选择最合适的子模型来处理输入数据，以降低计算量；引入多头潜在注意力机制（MLA）降低内存占用和计算成本，同时保持高性能；采用 FP8 混合精度训练降低算力资源消耗，同时保持模型性能；采用多 Token 预测（MTP）方法提升模型训练和推理的效率。

DeepSeek-R1 通过冷启动与多阶段训练显著提升模型的推理能力，模型蒸馏技术有望推动 AI 应用加速落地。2025 年 1 月 20 日 DeepSeek-R1 正式发布，DeepSeek-R1-Zero 与DeepSeek-R1 都是基于强化学习（RL）的推理模型，DeepSeek-R1-Zero 存在语言不一致等输出方面的问题，DeepSeek-R1 通过冷启动与多阶段训练，显著提升模型的推理能力，同时具有较好的实用性。

DeepSeek-R1 采用模型蒸馏技术，将大模型（教师模型）的推理能力高效迁移到小模型（学生模型）中；模型蒸馏的核心思想是通过教师模型的输出指导学生模型的训练，使学生模型能够模仿教师模型的行为；通过蒸馏技术，小模型能够保留大模型的大部分性能，DeepSeek-R1 蒸馏后的小模型在多个基准测试中表现出色；DeepSeek-R1 的模型蒸馏技术显著提升小模型的推理能力，并降低部署成本，有望推动 AI 应用加速落地。

DeepSeek-V3 性能对标 GPT-4o。DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及Claude-3.5-Sonnet 不分伯仲。DeepSeek-V3 在知识类任务（MMLU, MMLU-Pro, GPQA,SimpleQA）上的水平相比前代 DeepSeek-V2.5 显著提升，接近当前表现最好的模型Claude-3.5-Sonnet-1022；

长文本测评方面，在 DROP、FRAMES 和 LongBench v2 上，DeepSeek-V3 平均表现超越其他模型；DeepSeek-V3 在算法类代码场景（Codeforces），远远领先于市面上已有的全部非 o1 类模型，并在工程类代码场景（SWE-Bench Verified）逼近Claude-3.5-Sonnet-1022；在美国数学竞赛（AIME 2024, MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3 大幅超过了所有开源闭源模型；DeepSeek-V3 与 Qwen2.5-72B 在教育类测评 C-Eval 和代词消歧等评测集上表现相近，但在事实知识 C-SimpleQA 上更为领先。

DeepSeek-R1 性能对标 OpenAI o1。DeepSeek-R1 极大提升了模型推理能力，在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。DeepSeek 在开源DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini的效果。

DeepSeek 实现大模型训练与推理成本优势巨大，并采用开源模式，助力 AI 应用大规模落地。DeepSeek-V3 的训练成本具有极大的经济性，根据 DeepSeek-R1 Technical Report 的数据，在预训练阶段，每处理 1 万亿 tokens，训练 DeepSeek-V3 仅需 18 万 H800 GPU 小时，即在 2048 块 H800 GPU 的集群上需要 3.7 天；因此，DeepSeek-V3 的预训练阶段在不到两个月内完成，耗时 266.4 万（2664K）GPU 小时；加上上下文长度扩展所需的 11.9 万 GPU 小时和后训练所需的 5 千 GPU 小时，DeepSeek-V3 的完整训练仅需 278.8 万 GPU 小时；假设 H800GPU 的租赁价格为每小时 2 美元，DeepSeek-V3 的总训练成本仅为 557.6 万美元。

DeepSeek-R1 发布时的 API 定价为每百万输入 tokens 1 元（缓存命中）/ 4 元（缓存未命中），每百万输出 tokens 16 元；OpenAl o1 定价为每百万输入 tokens 55 元（缓存命中）/110 元（缓存未命中），每百万输出 tokens 438 元；DeepSeek-R1 API 调用成本不到 OpenAl o1 的 5%。DeepSeek-V3 性能对标 GPT-4o，DeepSeek-R1 性能对标 OpenAI o1，并且 DeepSeek 模型成本优势巨大，并采用开源模式，有望推动 AI 应用大规模落地。

文心大模型 4.5 Turbo 多模态能力优于 GPT 4o，并具有低成本优势。2025 年 4 月 25 日，百度发布文心大模型 4.5 Turbo、文心大模型 X1 Turbo，具备多模态、强推理、低成本三大特性，文心大模型 4.5 Turbo 和文心大模型 X1 Turbo 都进一步增强了多模态能力，在多个基准测试集中，文心大模型 4.5 Turbo 多模态能力优于 GPT 4o。文心大模型 4.5 Turbo 在去幻觉、逻辑推理和代码能力等方面也都有着整体增强，相比文心 4.5，速度更快、价格下降 80%，每百万 token 的输入价格仅为 0.8 元，输出价格 3.2 元。

文心大模型 X1 Turbo 是基于文心大模型4.5 Turbo 的深度思考模型，性能提升的同时，具备更先进的思维链，问答、创作、逻辑推理、工具调用和多模态能力进一步增强；文心大模型 X1 Turbo 相比文心 X1，性能提升的同时，价格再降 50%，每百万 token 输入价格 1 元，输出价格 4 元。

通义千问 Qwen3 模型性能上与顶级模型相比极具竞争力。2025 年 4 月 29 日上午，阿里正式发布并全部开源通义千问 Qwen3 全系列 8 款混合推理模型，包括两款 MoE 模型：Qwen3-235B-A22B（2350 多亿总参数、220 多亿激活参）、Qwen3-30B-A3B（300 亿总参数、30 亿激活参数）；以及六个 Dense 模型：Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B。旗舰模型 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中，与一众顶级模型相比，表现出极具竞争力的结果。

多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。