DeepSeek是什么？如何免费获取 DeepSeek 500万 tokens？

DeepSeek是什么

DeepSeek 是由知名私募巨头幻方量化旗下的人工智能公司深度求索（DeepSeek）自主研发的大型AI（人工智能）语言模型。这个智能助手能够执行多种任务，包括自然语言处理、问答系统、智能对话、智能推荐、智能写作和智能客服等。

DeepSeek有哪些特点

1. 综合能力：DeepSeek-V2 在多个综合能力评测中表现出色，与 GPT-4-Turbo、文心 4.0 等闭源模型相比具有竞争力。
2. 中文和英文能力：在中文综合能力（AlignBench）中，DeepSeek-V2 在开源模型中排名第一，而在英文综合能力（MT-Bench）中，它与最强的开源模型 LLaMA3-70B 处于同一梯队。
3. 开源模型：DeepSeek-V2 是一个开源模型，支持 128K 的上下文长度，而对话和 API 支持 32K 上下文。
4. 多方面能力：表格中列出了 DeepSeek-V2 在知识、基础算数、数学解题、逻辑推理和编程等多个方面的能力评分。
5. API 价格：DeepSeek-V2 提供具有竞争力的 API 价格，1 元/百万输入 Tokens 和 2 元/百万输出 Tokens。
6. 即刻接入：DeepSeek-V2 拥有 236B 的参数量，提供 32K 上下文的对话和 API 支持，并且具有卓越的能力。
7. 视觉和设计：官网展示了 DeepSeek 的 logo 和设计元素，表明其注重品牌形象和用户体验。

DeepSeek 官网

DeepSeek 官网地址、DeepSeek API Docs、DeepSeek Chat

如何免费获取 DeepSeek 500万 tokens

1. 在 DeepSeek API 官网 注册账号并登录

2. 在用量信息就可以看到自己的可用总余额

   

DeepSeek 的开源研究有哪些

• DeepSeek LLM（Github开源地址）是一个包含 670 亿参数的先进大型语言模型（LLM）。它在英文和中文的海量数据集上从头开始训练，处理了高达 2 万亿个令牌的数据。
  • 卓越的通用能力：在推理、编程、数学和中文理解等方面，DeepSeek LLM 67B Base 版本的表现超过了 Llama2 70B Base。
  • 精通编程和数学：DeepSeek LLM 67B Chat 在编程（HumanEval Pass@1: 73.78）和数学（GSM8K 零样本学习: 84.1, 数学零样本学习: 32.6）方面展现出色的表现。它还在匈牙利国家高中考试上取得了65分的优异成绩，显示出其出色的泛化能力。
  • 中文能力精通：根据评估，DeepSeek LLM 67B Chat 在中文语言处理上超过了 GPT-3.5。
• DeepSeek Coder（Github开源地址）是由深度求索（DeepSeek）推出的一系列代码语言模型。这些模型从零开始训练，使用了高达 2 万亿个（2T）令牌的数据量，其中 87% 是代码，13% 是中英文自然语言数据。DeepSeek Coder 提供了从 1B（10亿参数）到 33B（330亿参数）不同规模的模型版本，以满足不同用户的需求。
  • 大规模训练：在 2T 令牌上从头开始训练，包含大量的代码和自然语言数据。
  • 多种模型尺寸：提供从 1B 到 33B 不同规模的模型，适应不同复杂度的编程任务。
  • 项目级代码补全：通过大窗口和填空任务，支持项目级别的代码补全和填充。
  • 先进的编码性能：在多种编程语言和基准测试中实现了最先进的性能。
• DeepSeek Math（Github开源地址）是基于 DeepSeek-Coder-v1.5 7B 版本初始化，并在数学相关令牌上继续预训练的产品。这些数学令牌来源于 Common Crawl 数据集，同时结合了自然语言和代码数据，总数据量达到了 5000 亿个令牌。
  • 专业数学能力：在没有依赖外部工具包和投票技术的情况下，在竞技级别的 MATH 基准测试上取得了 51.7% 的惊人成绩。
  • 高性能接近：其性能接近 Gemini-Ultra 和 GPT-4 这样的先进模型。
  • 研究支持：为了研究目的，DeepSeekMath 公开发布了基础版、指导版和强化学习（RL）模型的检查点，供公众使用
• DeepSeek VL（Github开源地址）是一个为现实世界中的视觉和语言理解应用而设计的开源视觉-语言（VL）模型。该模型拥有处理多种类型视觉和语言信息的通用多模态理解能力。
  • 逻辑图处理：能够理解和处理逻辑图等复杂的视觉信息。
  • 网页内容理解：具备解析和理解网页内容的能力。
  • 公式识别：可以识别和处理数学公式。
  • 科学文献理解：能够理解和分析科学文献中的视觉和语言内容。
  • 自然图像处理：对自然场景中的图像进行处理和理解。
  • 复杂场景下的具身智能：在复杂环境中展现具身智能，处理与现实世界相关的任务。
• DeepSeek V2（Github开源地址）是一款高效的 Mixture-of-Experts (MoE) 语言模型，它以经济的训练成本和高效的推理性能为特点。
  • 经济的训练成本：与前代模型 DeepSeek 67B 相比，DeepSeek-V2 在保持更强性能的同时，节省了 42.5% 的训练成本。
  • 高效的推理：每个 token 激活的参数数量为 21B，占总参数 236B 的一部分。
  • 显著的性能提升：DeepSeek-V2 在标准基准测试和开放式生成评估中均展现出卓越的性能。
  • 大幅度降低 KV 缓存：与前代相比，KV 缓存减少了 93.3%。
  • 提升最大生成吞吐量：最大生成吞吐量提升了 5.76 倍。
• DeepSeek-Coder-V2 是一个开源的代码智能模型，在代码相关任务中表现媲美 GPT-4-Turbo。它支持 338 种编程语言，上下文长度扩展到 128K，有 16B 和 236B 参数两个版本，预训练数据量达到 6 万亿标记。该模型擅长代码生成、补全、修复以及数学推理。