DeepSeek AI：从 R1 爆红到 V4.1 Flash，功能、成本和限制一次讲清楚

01 / 人工智能

DeepSeek AI 到底是什么

这个区别很重要。你在浏览器里和 DeepSeek 聊天，用的是已经由平台运行好的服务；开发者调用 deepseek-flash，购买的是 API 用量；把模型权重下载到自己的服务器，则是另一项工程工作。三者都叫 DeepSeek，但限制、隐私问题和成本完全可能不同。

DeepSeek 真正让全世界注意到，是 2025 年初的 R1。当时大家争论 benchmark、开放权重、训练效率、芯片限制、科技股估值，还有一个更根本的问题：顶尖人工智能是否一定要花天价预算才能做出来。网上有些讨论讲得像世界末日，科技碰上股市标题，难免会有点过火。

现在回头看 DeepSeek，不必困在“它是不是打败了所有公司”这个问题里。没有一个模型能在所有工作上永远赢。更实际的看法是：DeepSeek 已经成为当前开放模型市场中最重要的实验者之一，迫使整个行业认真讨论推理成本、长上下文、工具使用和 Agent 工作。你真正要知道的是，它的哪一部分适合你的工作。

这篇文章会从模型路线、技术名词和实际用法讲起，再说开源背后的真实成本、数据可能流向哪里，以及我不会随便交给它处理的东西——特别是机密文件、高风险决定，还有那些写得太顺却未必正确的说法。

02 / 它是怎么走到今天的

从 R1 爆红，到 V4.1 Flash

DeepSeek 的名声是一层层叠出来的。R1 最响，是因为它让“推理模型”从研究论文里走出来，变成普通人也会讨论的产品。更长的推理过程、数学和代码表现、公开的模型权重，让开发者可以下载、测试和改造；更大的变化是，人们突然看到顶尖能力不一定只能锁在封闭的聊天页面里。

在 R1 前后，V 系列负责更广泛的语言、代码、推理和 Agent 工作。V3 给了 DeepSeek 更完整的通用底盘；2026 年 4 月公布的 V4 把焦点推向一百万 token 上下文和长任务；到了 9 月，V4.1-Flash 加入原生视觉理解，也用新的架构处理长输入和服务成本。

最容易误会的地方，是把 2025 年的 R1 对话体验，和 2026 年 V4.1 的 API 文档当成两个按钮直接比较。模型、界面、提示方式、搜索工具、账户限制和安全层都会改变实际感受。有人说“DeepSeek 太强了”，另一个人说“完全不好用”，我第一句会问：哪个版本？哪个入口？做的是什么工作？

这不是吹毛求疵。就像评论一辆汽车，和评论你今天坐到的那次出租车，是两件事。

03 / 模型里面怎么运作

为什么模型架构会影响成本

你最常见到的技术名词是 MoE，也就是 Mixture of Experts，可以理解成“专家混合模型”。想象一间有很多专业小组的大工厂，但每张订单只叫其中几队人处理。整间工厂可以很大，眼前这一小部分工作却不需要所有人一起动。这不是模型真正思考的完整说明，但作为入门画面很有用。

官方介绍 DeepSeek-V4.1-Flash 时，称它是 552B 参数的 MoE 模型；输入处理时大约只激活 8B 参数，输出生成时激活约 16B。总参数和激活参数不是同一把尺：前者说明整个模型有多大，后者更接近一次工作需要动用多少计算。

V4.1-Flash 还使用 Causal Encoder-Decoder、稀疏注意力和压缩 KV Cache。KV Cache 可以理解成模型在处理长对话或长文件时保留的工作记忆。当上下文越来越长，真正困难的不只是计算，还包括如何搬运和保存数据，同时不让内存带宽成为瓶颈。

所以 DeepSeek 的成本故事，不是简单一句“少用芯片”就能讲完。效率可能来自模型架构、训练方法、服务系统、缓存复用、任务调度和定价。另一家公司收费较高，也不一定只是浪费，可能包含另一种能力、稳定性、支持或企业承诺。不要把一张价格表当成物理定律。

官方技术资料也公布了相对上一代更小的 KV Cache，以及特定条件下的 benchmark。这些数字可以帮助理解方向，但不保证你公司那份 PDF 也一样快，更不代表你的代码任务会得到同样分数。输入长度、缓存命中、输出长度和工具调用，往往才是影响成本的地方。

04 / 当前版本要看什么

当前版本有什么能力

普通用户最值得看的，不是参数标题，而是 DeepSeek-V4.1-Flash 目前到底支持什么。官方 API 文档列出一百万 token 上下文和最高 384K token 输出；支持思考与非思考模式、JSON 输出、工具调用、Responses API、Anthropic 格式 API 以及视觉输入。不过，API 有的功能，不一定原样出现在网页聊天框里。

官方 API 价格页目前把最新 Flash 模型的调用名称列为 deepseek-flash。收费按每一百万 token 计算，并区分高峰／非高峰以及缓存命中／未命中。核对当天，Flash 表中显示的非高峰缓存命中输入价格约为每百万 US$0.003，未命中约 US$0.15，输出约 US$0.60；高峰时段会更贵。页面也提醒价格可能调整，所以这些只是当时的参考，不是永久承诺。

用一个小例子感受一下：十万个未命中缓存的输入 token，加两万个输出 token，如果按照当时显示的 Flash 高峰价计算，大约是 US$0.054，还没有算其他服务成本。API 可以很便宜，但这个数字不包括你整理资料、监控错误、重试和维护程序的时间。

至于 benchmark，把它当作测量工具就好，不要当作性格测试。模型可能代码分数很高，但写客户文案很生硬；也可能读得进长文件，却听不懂一句含糊的问题。最后还是要用自己关心的工作测试。

05 / 三种用法，不要混在一起

聊天、API、本地部署，其实是三回事

“我想试试 DeepSeek”其实可能代表三件完全不同的事。入口选错了，可能花一个下午解决一个原本不存在的问题。

DeepSeek 官方网站连接到网页聊天、App 下载、API 平台和文档。API 文档同时提供 OpenAI 兼容接口和 Anthropic 格式入口。DeepSeek Harness 则是一个公开预览中的开源工作台，围绕插件、工作区、文件、代码和自动化，更像 Agent 工作环境，而不是把聊天框搬到桌面。

本地部署要冷静一点。V4.1-Flash 模型卡提供 Transformers、vLLM、SGLang 和 Docker 等路径，也列出模型权重和相关代码使用 MIT 许可证。对于研究和需要控制环境的团队，这很有价值；但不代表普通笔记本可以轻松以最高质量运行一个 552B 级模型。量化、多 GPU、内存规划、存储、散热、推理软件和维护，都需要人手。

如果你只是想“每个星期五总结 20 页文件”，先用官方服务或 API。如果你的需求是“机密资料一定留在自己管理的环境里”，而且有能力请工程团队，本地部署才值得认真研究。先从需求出发，不要先爱上拥有模型权重的浪漫感。

还要把许可证分开看：模型权重、桌面工作台、第三方插件以及官方 API 条款，是不同文件。“开源”不是一把自动覆盖整个技术栈的大伞。

06 / 它哪里真的有用

DeepSeek 真正适合做什么

DeepSeek 最值得尝试的场景，通常是工作够大，长上下文或成本开始产生影响，但又不需要你先成立一家研究实验室。下面不是保证一定最好，只是合理的起点。

举一个香港或内地团队都会遇到的情况：你要比较一家中文供应商、一个英文产品页面和一份技术 PDF，为客户会议做准备。可以让 DeepSeek 做一张四栏表：已确认规格、来源位置、未解决问题、需要问供应商的跟进，然后自己打开原文核对。这就是清楚的工作；“哪家供应商最好？”太宽了，模型很容易自行补完你没有说过的标准。

做 SEO 和市场工作，我会考虑用它做第一轮关键词分类、内容大纲、双语改写、技术说明，或者把一份长文件整理成工作结构。但我不会让它自行判断统计数字真假、编造产品功能，或者未经人工检查就发布敏感内容。token 便宜，只是让你有条件多核对几次，并不会让核对消失。

学生可以让它反问自己，而不是直接交答案；开发者可以用它减少从白纸开始的痛苦；负责人可以把一堆散乱笔记变成几个待决定的选项。真正有价值的常常是第二轮追问：“好，那哪一部分还没有证实？”

07 / 问得有骨架，答案才站得住

怎么提问，才拿到能用的答案

不需要一条神秘提示词。你需要说明它要做什么、可以使用什么材料，以及一个能用的答案应该长什么样。

1. 说清楚任务。是比较、提取、挑战、改写、调试、规划，还是起草？“介绍一下这个”太容易变成表演。
2. 给对材料。上传文件、粘贴相关段落或提供准确网址，不要让模型猜自己说的是哪个版本。
3. 写清楚读者和语言。香港客户、内地工程师和海外买家，要求完全不同；简体中文和英文也不只是换字体。
4. 规定证据方式。要求分开来源原文、模型推断和它无法核实的部分。
5. 指定答案形状。要比较表、行动清单、邮件草稿、风险列表还是管理层摘要，直接说。

我会用的例子是：“请阅读附件中的产品比较，制作一张表，列出型号、已确认规格、来源页面、缺少资料和要问供应商的问题。不要凭记忆填空，所有数字按原文保留，使用简体中文。最后用五行写建议，并清楚标出哪些是推断。”

处理代码，就提供语言、运行环境、错误信息、预期结果和已经试过的方法；处理长报告，就要求页码；做翻译，就说明人名和引用要不要原样保留；处理最新事件，就设置截止日期，并要求区分官方公告和网友讨论。

我喜欢这种问法，因为它逼模型露出接缝。一段非常有自信的文字，可以藏住一个错误假设；一张有来源栏的表，比较难完全遮掩。不是完全遮不住，只是更难。

08 / 开源不等于免费

开源不等于零成本

DeepSeek 的开放模型路线是它最吸引人的地方之一，但“开源”经常被拉得很宽，最后变成说话的人想代表什么就代表什么。当前 V4.1-Flash 模型卡列出模型权重和代码使用 MIT 许可证，开发者可以更自由地使用、修改和分发，但电力、GPU、存储、工程人员和支持不会因此归零。

实际至少有四种成本：下载和保存权重、运行请求、维护推理系统，以及出问题时找人处理。大量使用时，本地部署可能划算；低流量时，一张长期闲置的 GPU 只是在另一个表格里隐藏了费用。

如果考虑本地部署，先做一个小型测试。测量首个 token 要等多久、每秒输出多少、内存使用、失败后怎样恢复、对自己文件的准确度，以及一个月维持服务要多少钱。试算表没有模型发布那么刺激，但更能阻止错误采购决定。

09 / 隐私和需要自己负责的部分

隐私、偏差和需要自己核对的地方

DeepSeek 的隐私问题不应该最后才顺便说。把合同、客户名单或未发布的产品计划拖进聊天框之前，先弄清楚资料会怎样走。

这不代表你永远不能用 DeepSeek，而是要把低风险测试和敏感工作分开。公开的产品说明是一回事；私人投标文件、带电话号码的客户投诉、未公开合同或生产环境 API key，是另一回事。提交之后，模型不能帮你把秘密塞回瓶子里。

准确度和内容边界也要留意。DeepSeek 可以写出完整、有条理、但其实错误的答案。遇到政治敏感或文化背景复杂的话题，不同地区、语言和版本的回答也可能不同。你不需要把每次测试变成地缘政治辩论，但要知道拒答、回避、少说或特别谨慎的改写，本身就是要评估的产品行为。

医疗、法律、金融和安全问题，可以用 DeepSeek 整理问题、寻找文件，最后判断交给合资格的人士。公司内部最好订几条短规则：什么可以上传、什么一定要遮掉、哪些账户才可以用、谁审批最终输出。四条记得住的规则，通常好过一堂没人记住的长讲座。

如果使用 API 或本地模型，也不要假设数据处理方式和消费者聊天服务完全相同。入口、供应商、日志设置、插件和下游工具，都可能改变数据路径。要追踪整条路径，不要只看画面角落的 logo。

10 / 和其他工具怎么选

和 ChatGPT、Gemini、Claude、Perplexity 怎么选

DeepSeek 不是自动替代所有助手的答案。它特别适合开放权重、中文工作、长上下文、编程、Agent 实验或 token 成本重要的场景；另一个工具可能在文件流程、工具生态、写作风格或来源整理方面更合适。

以上只是倾向，不是永久身份。产品会互相借功能；模型换了搜索层、文件系统或工具，使用感觉也可以完全不同。用真实工作做小测试：一份文件、一段文案、一个代码问题、一条最新资讯。比较准确度、修改时间、速度、总成本和答案后面剩下多少清理工作。不要让声音最大的粉丝替你选择。

我的分法很简单：如果重点是“现在发生什么”，先试有实时来源的工具；如果想控制模型和成本，试 DeepSeek；如果主要工作是整理、写作、思考或跨工具制作，就用最顺手的通用助手。需要时混合使用，但交接位置一定要有人盯着。

11 / 从一件真实工作开始

一个实际的开始方法

打开官方网页或 App，或者做一个小 API 测试。选择一件真实、略有麻烦、你平时会拖到最后才做的事：一份长产品说明、几个版本的比较、一段错误信息，或者一篇中英双语文案。玩具问题可以让任何助手看起来很聪明；真正的工作才是好裁判。

1. 先选你有权上传的资料。从公开内容或清理过的样本开始，删除姓名、密码、登录密钥和机密数字。
2. 先让它提取，再让它判断。先列事实、引用、日期和缺失内容，再问建议。
3. 至少追问一次。问哪一句最可能错、它可能误解了什么、哪一点需要你亲自核对。
4. 和原文或另一个工具比较。不是要选冠军，而是看 DeepSeek 帮你节省时间，还是制造更多检查。
5. 写下使用边界。记录可以上传什么、使用了哪个模型或接口，以及最后由谁批准输出。

最好的结果未必是一段震撼的文章，可能只是列出 17 个你昨天应该问的问题。也算数。真正工作中，减少混乱往往比多写几百个字更有价值。

DeepSeek 值得关注，是因为它把模型效率、推理和开放权重带进了普通人的日常讨论。V4.1-Flash 的方向也很清楚：更长上下文、多模态、工具和 Agent 工作，同时努力控制服务成本。用得有纪律，它可以是很有能力的工作伙伴；把 benchmark 当保证书，最后往往只是增加清理工作。

12 / 常见问题

大家常问的问题

DeepSeek 是免费的吗？

官方聊天服务和 App 可能提供免费使用；API 按 token 收费，本地部署则有硬件和运行成本。方案、限制和可用地区可能改变，最好直接看官方当前页面，不要只相信旧截图。

DeepSeek 和 DeepSeek-R1 是同一个东西吗？

不是。DeepSeek 是公司和产品家族，R1 是 2025 年爆红的推理模型。目前官方路线包括 V4 系列和 V4.1-Flash。网页、App 或 API 中使用的模型，不一定用同一种方式显示名字。

香港可以使用 DeepSeek 吗？

实际能否使用，会受到官方服务、App 上架、网络、账户和入口影响。官方首页提供网页聊天、App 下载和 API 平台链接；需要使用时，直接查看当天页面。旧的地区 workaround 未必还需要，也未必仍然有效。

一百万 token 是不是代表什么文件都能上传？

不是。这是上下文容量，不是隐私豁免，也不保证每一页都能被同样准确地理解。仍然要看文件限制、账户设置、数据政策，以及模型能不能准确找出重点。

DeepSeek 可以本地运行吗？

目前 V4.1-Flash 模型卡提供本地运行路径，并列出模型权重和代码使用 MIT 许可证。但是否实际可行，要看硬件、量化、推理工具、速度要求和维护预算。对大多数个人用户，先用官方服务或小型 API 测试会简单很多。

DeepSeek 一定比 ChatGPT 或 Claude 好吗？

没有一个诚实的通用答案。DeepSeek 可能在开放权重、中文工作、上下文、编程或成本方面更适合你；另一个助手可能在文件、工具、文风或来源流程上更好。用同一小批真实工作测试，再比较答案后面剩下的修改量。

公司机密文件应该上传吗？

在核对相关隐私政策、账户设置、合同和公司规则之前，不要。先遮掉敏感资料，使用获批准的环境，也要知道插件或下游工具是否会一起收到文件。