DeepSeek AI：由 R1 爆紅到 V4.1 Flash，功能、成本同限制一次講清楚

01 / 人工智能

DeepSeek AI 到底係乜

呢個分別好重要。你用瀏覽器同 DeepSeek 傾偈，係用緊代為運行的服務；開發者叫 deepseek-flash，係買 API 使用量；下載模型權重返自己機房，則係另一個工程項目。三樣都叫 DeepSeek，但限制、私隱問題同成本完全可以唔同。

DeepSeek 真正令全世界留意，係 2025 年初的 R1。當時大家爭論 benchmark、開源權重、訓練效率、晶片限制、科技股估值，仲有一個更根本的問題：頂尖人工智能係咪一定要用天文數字的預算先做得到。網上講到有啲似世界末日，科技遇上股市標題，成日都會有少少誇張。

而家再睇 DeepSeek，唔使繼續困在「佢係咪打低晒其他公司」呢個問題。冇一個模型可以喺所有工作都贏晒。更實際的看法係：DeepSeek 已經成為目前開源模型市場最重要的實驗者之一，迫使其他公司正視推理成本、長上下文、工具使用同 Agent 工作。你真正想知的，係它有邊一部分適合自己。

以下會由模型路線、技術名詞同實際用法講起，再講開源背後的真實成本、資料會去邊度，以及我唔會隨便交畀佢處理的事情——尤其係機密文件、高風險決定，同埋一啲講得太順但未必真確的說法。

02 / 佢點樣行到今日

由 R1 爆紅，到 V4.1 Flash

DeepSeek 的名聲係一層層疊出來。R1 最嘈，因為佢令「推理模型」由研究論文入面走咗出來，變成一般人都會討論的產品。較長的推理過程、數學同編程表現、公開的模型權重，令開發者可以下載、測試、改造；最重要的是，大家突然見到頂尖能力唔一定只可以鎖喺一個封閉聊天頁面入面。

R1 前後，V 系列則負責較廣泛的語言、程式、推理同 Agent 工作。V3 令 DeepSeek 有一個更完整的通用底盤；2026 年 4 月公布的 V4 將焦點推向一百萬 token 上下文同長任務；到 9 月，V4.1-Flash 加入原生視覺理解，亦用新架構處理長輸入同成本問題。

最容易出錯的地方係，將 2025 年的 R1 對話體驗，同 2026 年 V4.1 API 文件當成兩粒按鈕直接比較。其實模型、介面、提示方式、搜尋工具、帳戶限制同安全層，全部可以改變你用落的感覺。有人話「DeepSeek 勁到不得了」，另一個人話「完全唔掂」，我第一句會問：邊個版本？邊個入口？做緊咩工作？

唔係吹毛求疵。就好似評論一架車，同評論你今日搭到的的士，係兩件事。

03 / 入面點運作

點解架構會影響成本

你最常見到的技術名詞係 MoE，即係 Mixture of Experts，可以譯做「專家混合模型」。想像一間有好多專門小組的大工場，但每張訂單只會叫其中幾隊人處理。整間工場可以好大，眼前這一小部分工作卻唔需要所有人一齊郁。呢個唔係模型真正思考的完整描述，但係一個幾好用的入門畫面。

官方介紹 DeepSeek-V4.1-Flash 時，講到佢係 552B 參數的 MoE 模型；輸入處理時只啟動約 8B 參數，輸出生成時啟動約 16B。總參數同啟動參數唔係同一把尺：前者講整個模型有幾大，後者較接近某一次工作要動用幾多運算。

另外，V4.1-Flash 用 Causal Encoder-Decoder、稀疏注意力，同壓縮 KV Cache。KV Cache 可以當成模型處理長對話或長文件時的工作記憶。當上下文愈長，真正困難的未必只係做乘法，而係點樣搬資料、保存資料，同時又唔好令記憶體頻寬爆掉。

所以 DeepSeek 的成本故事唔係單純一句「少用晶片」就講完。效率可以來自架構、訓練方法、服務系統、快取重用、工作排程同定價。另一家公司收費較貴，未必只係浪費；可能包含另一種能力、支援、穩定性或者企業承諾。唔好將一張價目表當成物理定律。

官方技術資料亦公布咗同舊一代相比，KV Cache 大幅縮小，以及特定條件下的 benchmark。呢啲數字可以幫你理解方向，但唔保證你公司嗰份 PDF 一樣快，亦唔代表你手上的程式一定有同樣分數。輸入長度、快取命中、輸出長度同工具調用，往往先係真正影響成本的地方。

04 / 現時版本睇咩

目前版本有咩能力

一般用家最值得睇的，唔係參數標題，而係現時 DeepSeek-V4.1-Flash 實際支援咩。官方 API 文件列出一百萬 token 上下文，同最高 384K token 輸出；支援思考及非思考模式、JSON 輸出、工具調用、Responses API、Anthropic 格式 API 同視覺輸入。不過，API 有的功能，未必會原封不動出現在網頁聊天框。

官方 API 價格頁目前將最新 Flash 模型的調用名稱列為 deepseek-flash。收費以每一百萬 token 計算，並分高峰／非高峰、快取命中／未命中。核對當日，Flash 表列出的非高峰輸入快取命中價約為每百萬 US$0.003，未命中約 US$0.15，輸出約 US$0.60；高峰時段較貴。頁面亦提醒價格可以調整，所以呢啲係當日參考，不係永久承諾。

用一個細例感受下：十萬個未命中快取的輸入 token，加兩萬個輸出 token，如果按當時顯示的 Flash 高峰價計，約係 US$0.054，未計其他服務成本。API 可以好平，但呢個數字唔包括你設計流程、清理資料、監察錯誤同維護程式的時間。

至於 benchmark，當佢係測量工具就好，唔好當成性格測驗。模型可能程式跑分好高，但寫客戶文案好生硬；亦可能讀得入長文件，卻聽唔明你一句含糊問題。最終都要用自己真正關心的工作試。

05 / 三種用法，唔好混埋

聊天、API、本地部署，其實係三樣嘢

「我想試下 DeepSeek」其實可以代表三件完全唔同的事。揀錯入口，可能花一個下午解決一個本來不存在的問題。

DeepSeek 官方網站連到網頁聊天、App 下載、API 平台同文件。API 文件同時提供 OpenAI 兼容的接口，以及 Anthropic 格式的入口。DeepSeek Harness 則係另一個公開預覽中的開源工作台，圍繞插件、工作區、文件、程式同自動化，唔係單純將聊天框搬到桌面。

本地部署要冷靜少少。V4.1-Flash 模型卡提供 Transformers、vLLM、SGLang 同 Docker 等路線，亦列出模型權重同相關程式採用 MIT 授權。對研究同需要控制環境的團隊，呢個好有價值；但唔代表普通手提電腦可以輕鬆用最高質素跑一個 552B 級模型。量化、多 GPU、記憶體規劃、儲存、散熱、推理軟件同維護，全部要人手。

如果你只係想「每個星期五總結 20 頁文件」，先用官方服務或者 API。如果你想「機密資料一定留在自己管理的環境」，而且請得起工程團隊，本地部署先值得認真研究。由需求出發，唔好先愛上擁有模型權重的浪漫感。

仲有，記得分開睇授權。模型權重的授權、桌面工作台的授權、第三方插件的授權，同官方 API 條款，係幾份唔同文件。「開源」唔係一把大傘，可以自動遮晒成個技術堆疊。

06 / 佢邊啲位真正有用

DeepSeek 真正適合做咩

DeepSeek 最值得試的場景，通常係工作夠大，長上下文或成本開始有影響，但又唔需要你先成立一間研究實驗室。以下唔係保證一定最好，只係合理的起點。

舉個香港團隊會遇到的情況：你要比較一間中文供應商、一個英文產品頁，同一份技術 PDF，準備下一次客戶會議。可以叫 DeepSeek 整一張四欄表：已確認規格、來源位置、未解決問題、要問供應商的跟進。然後自己打開原文核對。呢個就係有用的工作；「邊間供應商最好？」就太闊，模型好容易自行補完你冇講的標準。

做 SEO 同市場工作，我會考慮用佢做第一輪關鍵字分類、內容大綱、雙語改寫、技術說明，或者將一份長文件拉成工作架構。但我唔會畀佢自行判斷統計數字真偽、發明產品功能，或者未經人手檢查就發布敏感內容。token 平，只係令你有本錢多核對幾次；唔會令核對本身消失。

學生可以叫佢反問你，而唔係直接交答案；開發者可以用它減少由白紙開始的痛苦；老闆可以將一堆散亂筆記變成幾個待決定的選項。最值錢的往往係第二輪追問：「好，咁邊一部分仲未證實？」

07 / 問得有骨，答案先站得住

點樣問，先攞到可以用的答案

唔需要一條神秘 prompt。你要講清楚佢要做咩工作、可以用咩材料，同埋一份可以用的答案應該長成點。

1. 講明任務。係比較、抽取、挑戰、改寫、除錯、規劃，定係起草？「介紹下呢樣嘢」太容易變成表演。
2. 畀啱材料。上載文件、貼相關段落，或者提供準確網址；唔好叫模型估你講緊邊個版本。
3. 寫清楚讀者同語言。香港客戶、內地工程師、海外買家，要求完全唔同；繁體中文同英文亦唔係只換字體。
4. 定證據規則。要求分開來源原文、模型推斷，同佢無法核實的部分。
5. 指定形狀。要比較表、行動清單、電郵草稿、風險列表，定係一段管理層摘要，直接講。

我會用的例子係：「請閱讀附件內的產品比較，整一張表，列出型號、已確認規格、來源頁面、缺少資料同要問供應商的問題。唔好靠記憶填空，所有數字照原文保留，用香港繁體中文。最後用五行寫建議，並清楚標出邊啲係推論。」

處理程式，就畀語言、運行環境、錯誤訊息、預期結果同你試過的做法；處理長報告，就要求頁碼；做翻譯，就講明人名同引句要唔要原樣保留；處理最新事情，就設定截止日期，並要求分開官方公告同網民討論。

我鍾意呢種問法，因為它迫模型露出接縫。一段好有自信的文字，可以藏住一個假設；一張有來源欄的表，較難完全遮掩。唔係完全遮掩唔到，只係難啲。

08 / 開源唔代表免費

開源唔代表零成本

DeepSeek 的開源路線係佢最吸引人的地方之一，但「開源」成日被拉到好闊，最後變成講者想代表乜就代表乜。現時 V4.1-Flash 的模型卡列出模型權重同程式採用 MIT 授權，開發者有更大自由去使用、修改同分發，但電力、GPU、儲存、工程人手同支援唔會因此歸零。

實際至少有四種成本：下載同保存權重、運行請求、維護推理系統，以及出事時搵人處理。大量使用時，本地部署可能抵；低流量時，一張長期閒置的 GPU 可能只係將費用藏喺另一個欄位。

如果打算本地部署，先做一個小型試驗。量度首 token 等幾耐、每秒輸出幾多、記憶體用量、失敗後點恢復、對你自己文件的準確度，同埋一個月保持服務運行要幾多錢。試算表冇模型發布咁刺激，但阻止錯誤採購決定的能力強好多。

09 / 私隱同你要自己負責的部分

私隱、偏差同要自己核對的地方

DeepSeek 的私隱唔應該放到文章最後先順便講。將合約、客戶名單或者未公開產品計劃拖入聊天框之前，先問清楚資料會點行。

唔代表你永遠唔可以用 DeepSeek，而係要將低風險試用同敏感工作分開。公開產品說明書係一回事；私人投標文件、載有電話的客戶投訴、未公開合約或者 production API key，係另一回事。交出去之後，模型唔可以幫你將秘密塞返入樽。

準確度同內容邊界亦要留意。DeepSeek 可以寫出完整、有條理、但其實錯的答案。遇到政治敏感或者文化背景複雜的題目，不同地區、語言同版本的回答都可能唔同。你唔需要將每次測試變成地緣政治辯論，但要知道拒答、避開、少講或者改寫得特別小心，本身都係你要評估的產品行為。

醫療、法律、金融同安全問題，就用 DeepSeek 整理問題同搵文件，最後判斷交畀合資格人士。公司內部最好訂幾條短規則：咩可以上載、咩一定要遮、邊個帳戶先可以用、誰要檢查最後輸出。四條記得住的規矩，通常好過一堂冇人記得的長講座。

如果你用 API 或本地模型，亦唔好假設資料處理方式同消費者聊天服務一樣。入口、供應商、紀錄設定、插件同下游工具，都可以改變資料路徑。要追蹤成條路，唔好只睇畫面角落嗰個 logo。

10 / 同其他工具點揀

同 ChatGPT、Gemini、Claude、Perplexity 點揀

DeepSeek 唔係自動取代所有助手的答案。佢特別適合開源權重、中文工作、長上下文、編程、Agent 實驗或者 token 成本重要的場景；另一個工具可能在文件流程、工具生態、寫作口吻或者來源整理方面更合適。

以上係傾向，唔係永久身份。產品會互相借功能，模型背後換咗搜尋層、檔案系統或者工具，使用感覺都可以完全唔同。用自己日常工作整一個小測試：一份文件、一段文案、一個程式問題、一條最新資訊。比較準確度、修改時間、速度、總成本同最後剩低幾多清理工作。唔好由粉絲最嘈嗰邊替你選。

我會咁分：問題重點係「而家發生緊咩」，先試有即時來源的工具；要自己控制模型同成本，試 DeepSeek；主要工作係整理、寫作、思考或者跨工具製作，就用你最順手的通用助手。需要時混合用，但交接位一定要有人睇。

11 / 由一件真工作開始

一個實際的開始方法

開官方網頁或 App，或者整一個細小 API 測試。揀一件真實、少少煩、你平時會拖到最後先做的事：一份長產品說明、幾個版本的比較、一段錯誤訊息，或者一篇中英雙語文案。玩具問題可以令任何助手睇起來好醒；真正工作先係好裁判。

1. 先揀你有權上載的資料。由公開內容或者清理過的樣本開始，刪走姓名、密碼、登入金鑰同機密數字。
2. 先叫佢抽取，再叫佢判斷。先列事實、引句、日期同缺漏，之後先問建議。
3. 至少追問一次。問邊句最可能錯、佢可能誤會咗乜、邊個位要你親自核對。
4. 同原文或另一個工具比較。唔係要選冠軍，而係睇 DeepSeek 幫你慳時間，定係製造更多檢查。
5. 寫低界線。記低可以上載咩、用咗邊個模型或接口，以及最後由邊個批准輸出。

最好的結果未必係一段震撼人心的文章，可能只係列出 17 條你昨日應該問的問題。都算數。做真工作時，減少混亂好多時比加多幾百字更有價值。

DeepSeek 值得留意，係因為它將模型效率、推理同開放權重帶入普通人的日常討論。V4.1-Flash 的方向都幾清楚：更長上下文、多模態、工具同 Agent 工作，同時努力控制服務成本。用得有紀律，它可以係一個幾有能力的工作拍檔；將 benchmark 當成保證書，就好容易最後只係增加清理工作。

12 / 常見問題

大家成日問

DeepSeek 係咪免費？

官方聊天服務同 App 可能提供免費使用；API 就按 token 收費，本地部署則有硬件同運行成本。方案、限制同可用地區可以改，最好直接睇官方現行頁面，唔好只信舊截圖。

DeepSeek 同 DeepSeek-R1 係咪同一樣？

唔係。DeepSeek 係公司同產品家族，R1 係 2025 年爆紅的推理模型。目前官方路線包括 V4 系列同 V4.1-Flash。你在網頁、App 或 API 用到的模型，未必用同一種方式顯示名字。

香港可以用 DeepSeek 嗎？

實際能否使用，會受官方服務、App 上架、網絡、帳戶同入口影響。官方首頁有網頁聊天、App 下載同 API 平台的連結；你要用的時候，最好直接睇當日頁面。舊的地區 workaround 未必仍然需要，亦未必仍然有效。

一百萬 token 係咪代表咩都可以上載？

唔係。呢個係上下文容量，唔係私隱豁免，亦唔保證每一頁都同樣理解得好。仍然要睇檔案限制、帳戶設定、資料政策，同模型能否準確搵到重點。

DeepSeek 可以本地運行嗎？

現時 V4.1-Flash 模型卡提供本地運行方向，並列出模型權重同程式採用 MIT 授權。但是否實際可行，要睇硬件、量化、推理工具、速度要求同維護預算。對大部分個人用家，先用官方服務或小型 API 測試會簡單好多。

DeepSeek 係咪一定好過 ChatGPT 或 Claude？

冇一個誠實的通用答案。DeepSeek 可能在開源權重、中文工作、上下文、編程或成本方面更啱你；另一個助手可能在檔案、工具、文風或來源流程更好。用同一小批真工作測試，再比較答案後面剩低的修改量。

公司機密文件應唔應該上載？

未核對相關私隱政策、帳戶設定、合約同公司規則之前，唔好。先遮走敏感資料，使用獲批准的環境，亦要知道插件或下游工具會唔會一齊收到文件。