DeepSeek 是由深度求索（DeepSeek）自主研发的高性能大语言模型，以其开源、轻量化和强大的多场景能力受到广泛关注。为用户提供智能对话、逻辑推理、AI搜索、文件处理、翻译、解题、创意、写作、编程等等多种服务。

截至2024年7月，DeepSeek（深度求索）已推出多个大语言模型，涵盖通用对话、代码生成、多模态交互及垂直领域专用场景，想要用好deepseek就要先去了解它的基础知识。

以下是其核心模型列表及详细说明，同时解析其命名规则：

模型命名规则解析

DeepSeek模型名称遵循结构化编码，包含技术架构、参数量级和功能定位三类信息：

1、基础标识

• 数字后缀（如7B/67B）：表示模型参数量级（7B=70亿参数，67B=670亿参数）。参考模型：DeepSeek-7B

• MoE：采用混合专家架构（Mixture of Experts），通过动态激活部分参数提升效率。

• V2/V3：代表模型迭代版本，通常伴随架构优化或多模态扩展。

2、功能扩展标识

• Coder：专为代码任务优化的模型，支持编程语言理解和生成。

• Math：强化数学推理能力的专用模型。

• R1：面向终端用户的对话式AI产品线（如R1-Finance为金融垂类版本）。

3、领域定制标识

• Finance/-Legal/-Medical：针对特定行业微调的模型，集成领域知识库和专用工作流。

2025年1月20日DeepSeek公司发布DeepSeek-R1大语言推理模型：

需要注意的是DeepSeek R1属于DeepSeek-V2模型的应用产品，可能结合了V2的多模态和API能力，而特定领域版本如R1-Finance则基于67B微调。特别指出R1是产品线名称，其技术基础可能因版本和功能需求不同而变化，但主要依托于企业级模型如V2。

"R1" 的含义：

R 代表 "Real-time Interaction"（实时交互），强调产品的低延迟与多轮对话能力。

1 表示第一代产品线，未来可能迭代为 R2、R3 等版本。

R1 的定位与功能

1、产品定位：

R1 是面向终端用户（个人/企业）的对话式AI助手，而非单一开源模型，其功能整合了以下技术模块：

• 模型层：DeepSeek-V2（通用任务） + 领域微调模型（如67B）。

• 扩展层：搜索增强、多模态工具链（如DALL·E 3图像生成）。

• 交互层：Web/API接口，支持文件上传、实时联网、个性化配置。

2、核心功能：

1. 复杂问答：学术研究、数据分析、代码调试。

2. 多模态交互：图文生成、文档解析（PDF/Word/Excel）、语音转写。

3. 企业级服务：私有化部署、数据隔离、定制化工作流。

模型拓展介绍

• DeepSeek LLM：基础大型语言模型系列，包含7B和67B规格。其中，DeepSeek LLM 7B Chat 为7B规格的聊天交互模型，DeepSeek LLM 67B Chat 为67B规格的聊天交互模型，并推出了性能超过其他开源模型的16B参数版本混合专家模型。

• DeepSeek-Coder：专为代码生成打造的模型，专注于代码生成、补全、修复及数学推理任务。升级版本DeepSeek-Coder V2在代码智能领域取得显著突破。

• DeepSeek-Coder V2：在 DeepSeek-V2 中间检查点基础上，额外预训练了 6 万亿 tokens 的代码和自然语言数据，显著增强了编码与数学推理能力，同时保持通用语言任务的优异表现。支持的编程语言从 86 种扩展至 338 种，覆盖主流及小众语言，适应多样化开发需求。凭借MoE架构、大规模预训练和多语言支持，DeepSeek-Coder V2 成为代码智能领域的标杆开源模型，其在编码、数学推理和通用任务中的表现挑战了闭源模型的垄断地位。

• DeepSeek-V2：发布于2024年上半年，DeepSeekMoE的改进版，采用更多数据，提升数据质量并优化了训练流程，专注于文本生成、代码生成和低成本训练。

• DeepSeek-V2.5：是 V2 系列的升级版本，发布于2024年9月，介于 V2 和 V3 之间。

• DeepSeek-V3：发布于2024年12月，第三代模型，性能强劲。通过FP8混合精度训练、无辅助损失负载均衡等技术创新，V3实现了高效训练与推理，并支持128K长上下文处理。生成速度从V2的20 TPS提升至60 TPS，速度提升3倍。V3在知识问答、长文本处理、代码生成等领域表现超越其他开源模型，并在数学竞赛中超越闭源模型如GPT-4。该模型推出后，成为开放源代码模型中的领跑者。

• DeepSeek-R1：专注于推理能力的模型，通过强化学习与多阶段训练流程深度优化。包括DeepSeek-R1-Zero，完全基于强化学习训练的早期版本；DeepSeek-R1-32B，有320亿参数，可在24GB显存显卡上流畅运行；DeepSeek-R1-8B，有80亿参数，适用于8GB显存显卡。

• DeepSeek-VL：视觉语言模型，能够处理图像与文本信息融合。DeepSeek-VL2是其升级版，多模态理解能力更强。

• DeepSeekMath：专注于数学推理的模型。

• DeepSeek-Prover：用于定理证明的模型，通过大规模合成数据进行训练，DeepSeek-Prover V1.5结合强化学习与蒙特卡洛树搜索技术进行了优化。

• Janus-Pro-7B：基于视觉的模型，于2025年1月27日推出。

结语

以后如果deepseek推出新的模型，命名规则参考以上介绍去理解就行啦！