DeepSeek（深度求索）

产品概述

DeepSeek 是深度求索公司推出的通用大模型与 AI 助手，是国内首个在全球范围内实现现象级突破的 AI 应用——2025 年初上线仅 18 天日活即达 1500 万，增速是 ChatGPT 的 13 倍，一度登顶 140+ 国家/地区 App Store 免费榜。它的定位与 Kimi（长文本）、豆包（多模态）等有本质区别：以「开源 + 极致性价比 + 顶尖推理能力」为核心壁垒。

DeepSeek 走的是「开源权重 + 低价 API」路线，模型以 MoE 架构实现每 token 仅激活少量参数，训练与推理成本远低于同性能闭源模型，因此能把 API 价格压到行业最低之一，倒逼全行业降价。它的 App/网页端对普通用户完全免费，深度推理（R1 系列）在数学、逻辑、代码、中文任务中表现出色，是开发者和研究者「高性价比推理引擎」的首选。

发展历程

核心功能详解

1. 深度推理对话

R1/V4 系列具备长链推理能力，在数学、逻辑、代码等任务中性能对标 OpenAI o1，是「思考型」AI 的代表。

2. 代码生成与辅助

DeepSeek Coder V2 专精代码，App 内也支持代码生成、调试与解释，是开发者高性价比的编码辅助。

3. 文件解析与联网检索

支持上传文档解析、联网搜索（依赖外部搜索服务），覆盖信息检索与文档处理场景。

4. 开源权重生态

V3、R1、Coder 等模型权重开源，可本地部署、微调，是开源社区最活跃的国产模型之一。

5. Agent 能力（V4 系列）

V4 Pro/V4 Preview 重点增强智能体（Agent）能力，支持工具调用与多步任务执行。

6. DeepSeek Harness 代码智能体框架（2026-08-13 发布）

Harness（DSH）是 DeepSeek 首个开源的 Agent 运行框架，官方定位「Model + Harness = Agent」——大模型负责思考推理，Harness 承担模型外的所有工程化工作（工具调用、任务规划、执行调度）。它直接对标 OpenAI Codex 与 Anthropic Claude Code，标志着 DeepSeek 从「模型/API 提供商」正式延伸到「Agent 执行层」赛道。

• 「一切皆插件」架构：基于 Cordis 插件元框架，模型、工具、技能、会话、沙箱、存储、调度、UI 全部以插件形式存在，可自由替换、灵活重组，无需改源码。
• 四种运行模式：标准（全套工具）、PTC（程序化工具调用，模型生成代码编排多轮工具链）、极简（仅 Shell + 文件编辑，用于基线测试）、创造（自定义新模式）。
• 三种运行方式：Web UI、TUI（终端）、Headless，npx @deepseek-ai/dsh web 一键启动（端口 3080）。
• 能力覆盖：项目管理、长任务协作、多 Agent 编排、上下文管理、联网搜索、Skill 调用，可在代码库中完成查找文件、改代码、跑测试、依据报错继续修正的闭环。
• MIT 开源：GitHub 已公开，上线即获 7 万+ star，是目前国内开源 Agent 生态的重要补位。

适用场景

• 深度思考与推理：数学、逻辑、复杂问题求解。
• 代码辅助：生成、调试、解释，性价比高。
• 学术研究与数据分析：开源模型可本地部署，数据可控。
• API 集成：低成本接入推理能力。

不适合：多模态（图像/视频生成）场景；对实时搜索时效性要求高的场景（搜索能力依赖外部）；需要稳定企业级 SLA 与专属支持的重度商用（以 API 自助为主）。

定价详情

DeepSeek 采用「C 端免费 + API 按量计费」模型，2026-08-13 官宣 API 引入峰谷定价（2026-08-17 生效）。

• 高峰时段：北京时间 9:00-12:00、14:00-18:00，输出最高约 27 元/百万 tokens。
• 空闲时段：其余时间，价格为高峰时段的一半。
• 历史参考：V3 输入/输出约 $0.27/$1.10 每百万 tokens；R1 缓存命中 $0.14/百万输入、$2.19/百万输出；V4-Pro 输入一度降至原定价 1/4，创全球大模型价格新低。

成本测算

• 普通用户：App/网页免费即可满足日常。
• 开发者：把非紧急批量任务挪到空闲时段，调用成本直接减半；高峰时段成本未变，适合错峰调度能力强的团队。
• 相比 GPT-4o，V3/R1 价格约为其 1/10。

定价核验日期：2026-08-13。峰谷定价于 2026-08-17 生效，以 deepseek.com 官方 API 定价页为准。

技术架构与模型

• DeepSeek V4 Pro / V4-Pro-0813（2026-08）：最新旗舰，MoE 架构，总参 1.6 万亿、推理时仅激活 490 亿，100 万 token 上下文，最大输出 38.4 万 token，支持思考/非思考模式，权重 MIT 开源可本地部署，编程与 Agent 能力相比预览版大幅提升。
• DeepSeek R1：深度推理模型，GRPO 强化学习，性能对标 o1。
• DeepSeek V3：MoE 架构，总参 671B、每 token 激活 37B，FP8 混合精度训练。
• DeepSeek Coder V2：代码专精模型。
• Harness（DSH）：基于 Cordis 插件元框架，默认部署 159 个插件，模型、工具、UI、沙箱等均为可替换组件；提供 dsh CLI 与四种运行模式。

MoE 架构 + 无辅助损失负载均衡 + 多 token 并行预测，是其低成本高推理能力的底层技术支撑。

优势领域

• 推理能力顶尖：R1/V4 在逻辑、数学、代码任务对标 o1。
• 开源可本地部署：数据可控，政企可私有化。
• API 性价比高：价格约为 GPT-4o 的 1/10，倒逼行业降价。
• 中文能力突出：中文任务表现优于 GPT-4o 等。
• 开源 Agent 框架 Harness：全栈 MIT 开源 + 插件化架构，降低对 Codex/Claude Code 等海外闭源工具的依赖。

短板与限制

1. 多模态能力弱：图像/视频生成非其重点。
2. 搜索依赖外部：实时信息检索能力不如豆包、元宝等内置强搜索的产品。
3. 峰谷定价高峰贵：高峰时段（恰是多数业务使用时段）输出价格上调。
4. 企业服务弱：以 API 自助为主，专属 SLA 与技术支持不如云厂商。

使用建议

• 适合：需要顶尖推理与代码能力的开发者；预算敏感、追求性价比的团队；需开源模型本地部署的政企；想自建 Agent 工作流、不愿依赖海外闭源工具（Codex/Claude Code）的开发者。
• 不适合：多模态内容创作；对实时搜索时效要求高的用户；需要完整企业级 SLA 的客户。
• 最佳实践：把批量/离线任务挪到空闲时段跑以省成本；代码与推理场景优先 DeepSeek；开源部署场景直接下载权重本地运行；关注峰谷时段规划 API 调用；Agent 开发可尝试 Harness（npx @deepseek-ai/dsh web 快速起 Web UI，当前为 v0.1 预览版，接口仍会快速迭代）。