那些你想要的 Deepseek 资源【最全】

编程乐园

已于 2025-02-22 21:46:54 修改

阅读量1.3k

点赞数 25

分类专栏： # AI 公司产品资讯等文章标签： deepseek 模型使用部署论文

于 2025-02-16 13:46:20 首次发布

本文链接：https://blog.csdn.net/lovechris00/article/details/145663705

版权

AI 公司产品资讯等专栏收录该内容

12 篇文章

订阅专栏

文章目录

DeepSeek 基本信息

2025年1月20日，杭州深度求索人工智能基础技术研究有限公司发布高性能AI推理模型DeepSeek-R1，对标OpenAI的o1正式版。

DeepSeek官网：https://www.deepseek.com/
Chat : https://chat.deepseek.com/
API 文档：https://api-docs.deepseek.com/zh-cn/
HuggingFace : https://huggingface.co/deepseek-ai
Github : https://github.com/deepseek-ai
- DeepSeek-R1 | DeepSeek-V3
论文 : arxiv - DeepSeek-AI
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
  https://arxiv.org/abs/2501.12948
- DeepSeek-V3 Technical Report
  https://arxiv.org/abs/2412.19437
DeepSeek-R1新闻发布：https://api-docs.deepseek.com/zh-cn/news/news250120

小白操作手册

资料

链接: https://pan.baidu.com/s/1RbPz_5tdNUx4cuR_DWUnTA?pwd=2025
提取码: 2025

上述链接内容如下：

1000个DeepSeek神级提示词，让你轻松驾驭AI【赶紧收藏】.docx
10天精通 DeepSeek 实操手册.pdf
120个AI润色指令，让AI内容更加生动！.doc
27+超实用 kimi AI 常用指令（内容创作+工作场景）.doc
3个DeepSeek隐藏玩法，99%的人都不知道！.docx
50个常用的DeepSeek提示词.doc
AI赋能课堂观察与教师自主专业发展-标准版v2.0(麦萌科技).pdf
Deep seek 看法.pdf
DeepSeek 15天指导手册-从入门到精通.pdf
DeepSeek 15天指导⼿册?从⼊⻔到精通.pdf
DeepSeek 15天指导手册——从入门到精通 (2).pdf
DeepSeek 个万能公式.pdf
DeepSeek 万能提问模板.pdf
DeepSeek 实用万能提问模板.pdf
DeepSeek 提问攻略、使用实例和心得.pdf
DeepSeek-30个喂饭指令.pdf
DeepSeek-R1使用指南（简版）.pdf
DeepSeek15天入门手册.pdf
DeepSeek图解10页PDF.pdf
DeepSeek本地部署再也不怕服务器崩了！.pdf
DeepSeek使用攻略.pdf
DeepSeek案例大全.pdf
DeepSeek隐藏玩法，99%的人都不知道！.pdf
DeepSeek指令公式大全.pdf
DeepSeek小白使用指南，99%+的人都不知道的使用技巧（建议收藏）.docx
DeepSeek指导手册从入门到精通.pdf
DeepSeek神级提示词，让你轻松驾驭AI.pdf
DeepSeek零基础到精通手册（保姆级教程）.pdf
DeepSeek最强使用攻略，放弃复杂提示词，直接提问效果反而更好？.docx
Deepseek 应该怎样提问.pdf
Deepseek 高效使用指南.pdf
Deepseek+高效使用指南.docx
Deepseek不好用，是你真的不会用啊！.docx
Deepseek不好用，是你真的不会用啊！.pdf
S1模型论文（李飞飞50美元蒸馏）.pdf
deepseek 应该怎样提问.docx
deepseek万能公式：4步提问法.pdf
《7天精通DeepSeek实操手册》.pdf
用DeepSeek搭建个人知识库.doc
当我用 DeepSeek 学习、工作和玩，惊艳！含提问攻略、使用实例和心得.docx
让你的DeepSeek能力翻倍的使用指南.docx
让你的DeepSeek能力翻倍的使用指南.pdf
最有用的 DeepSeek 使用指南 80% 的人都不知道的使用技巧.pdf
清华大学DeepSeek从入门到精通(20250204).pdf
深度对比deepseek、豆包和kimi三款国产主流AI，我发现了一个恐怖的真相.doc
零基础使用DeepSeek高效提问技巧.docx
零基础使用DeepSeek高效提问技巧.pdf
如何正确使用deepseek？99%的人都错了.docx
如何正确使用deepseek？99%的人都错了.pdf
摩根斯坦利报告—DeepSeek对于科技和更广义经济的含义是什么？.pdf
【官网提示库】探索 DeepSeek 提示词样例，挖掘更多可能.docx
高质量大模型基础设施研究报告（2024年）.pdf

第三方平台支持

硅基流动：https://siliconflow.cn/zh-cn/models
- 🔥硅流免费使用deepseek-r1多个蒸馏模型
  https://mp.weixin.qq.com/s/VQ_mnUevck_5bf2VM3F-mQ
阿里云百炼：https://api.together.ai/playground/chat/deepseek-ai/DeepSeek-R1
英伟达NIM：https://build.nvidia.com/deepseek-ai/deepseek-r1
字节跳动火山引擎：https://console.volcengine.com/ark/region:ark+cn-beijing/experience
百度云千帆：https://console.bce.baidu.com/qianfan/modelcenter/model/
Groq：https://groq.com/
Fireworks：https://fireworks.ai/models/fireworks/deepseek-r1
Chutes：https://chutes.ai
Github：https://github.com/marketplace/models/azureml-deepseek/DeepSeek-R1/playground
POE：https://poe.com/DeepSeek-R1
Cursor：<https://cursor.sh/Monica：https://monica.im/
Lambda：https://lambdalabs.com/
Cerebras：https://cerebras.ai
Perplexity：https://www.perplexity.ai
超算互联网：https://chat.scnet.cn/
CSGHub ：https://opencsg.com/
秘塔搜索：https://metaso.cn
360纳米AI搜索：https://www.n.cn

开发者

模型说明

目前发布了两个版本：DeepSeek R1-Zero 和 DeepSeek R1。
其中，DeepSeek-R1-Zero 是一个完全基于强化学习（RL）训练而无需监督微调（SFT）的模型。
通过强化学习（RL），DeepSeek-R1-Zero 自然地展现出许多强大且有趣的推理行为。
然而，它也遇到了一些挑战，如可读性差和语言混合问题。为了解决这些问题并进一步提高推理性能，引入了DeepSeek-R1，它基于 DeepSeek-V3 Base 作为基础模型，并结合强化学习技术，在无需监督数据的情况下显著提升推理能力，突破了传统模型的局限性。
通过独创的GRPO 组相对策略优化方法，模型在训练过程中不断自我优化，从而具备强大的逻辑推理和深度上下文理解能力。上述两个版本都是671B 参数。

同时，也针对Qwen和LLama系列模型使用DeepSeek-R1生成的80万条样本（包括详细答案以及完整的推理链条）进行SFT蒸馏（Distill），推出了多款具备强大推理能力的小型模型。
这些蒸馏版本在保留 R1 逻辑推理能力的同时，大幅降低了推理计算成本，使其更加适合个人用户和企业的私有化部署需求。

完整版（671B）：需要至少 350GB 显存/内存，适合专业服务器部署
蒸馏版：基于开源模型（如 QWEN 和 LLAMA）微调，参数量从 1.5B 到 70B 不等，适合本地硬件部署。

蒸馏版与完整版的区别

特性	蒸馏版	完整版
参数量	参数量较少（如 1.5B、7B），性能接近完整版但略有下降。	参数量较大（如 32B、70B），性能最强。
硬件需求	显存和内存需求较低，适合低配硬件。	显存和内存需求较高，需高端硬件支持。
适用场景	适合轻量级任务和资源有限的设备。	适合高精度任务和专业场景。

蒸馏版模型的特点

模型版本	参数量	特点
deepseek-r1:1.5b	1.5B	轻量级模型，适合低配硬件，性能有限但运行速度快
deepseek-r1:7b	7B	平衡型模型，适合大多数任务，性能较好且硬件需求适中。
deepseek-r1:8b	8B	略高于 7B 模型，性能稍强，适合需要更高精度的场景。
deepseek-r1:14b	14B	高性能模型，适合复杂任务（如数学推理、代码生成），硬件需求较高。
deepseek-r1:32b	32B	专业级模型，性能强大，适合研究和高精度任务，需高端硬件支持。
deepseek-r1:70b	70B	顶级模型，性能最强，适合大规模计算和高复杂度任务，需专业级硬件支持。

DeepSeek-R1的能力

通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

本地部署硬件要求

对于大多数个人用户，建议部署4bit量化模型：

7B/8B模型：8GB显存
14B模型：16GB显存
32B模型：22GB显存
70B模型：48GB显存

可根据下表配置选择使用自己的模型

模型名称	参数量	大小	VRAM (Approx.)	推荐 Mac 配置	推荐 Windows/Linux 配置
deepseek-r1:1.5b	1.5B	1.1 GB	~2 GB	M2/M3 MacBook Air (8GB RAM+)	NVIDIA GTX 1650 4GB / AMD RX 5500 4GB (16GB RAM+)
deepseek-r1:7b	7B	4.7 GB	~5 GB	M2/M3/M4 MacBook Pro (16GB RAM+)	NVIDIA RTX 3060 8GB / AMD RX 6600 8GB (16GB RAM+)
deepseek-r1:8b	8B	4.9 GB	~6 GB	M2/M3/M4 MacBook Pro (16GB RAM+)	NVIDIA RTX 3060 Ti 8GB / AMD RX 6700 10GB (16GB RAM+)
deepseek-r1:14b	14B	9.0 GB	~10 GB	M2/M3/M4 Pro MacBook Pro (32GB RAM+)	NVIDIA RTX 3080 10GB / AMD RX 6800 16GB (32GB RAM+)
deepseek-r1:32b	32B	20 GB	~22 GB	M2 Max/Ultra Mac Studio	NVIDIA RTX 3090 24GB / AMD RX 7900 XTX 24GB (64GB RAM+)
deepseek-r1:70b	70B	43 GB	~45 GB	M2 Ultra Mac Studio	NVIDIA A100 40GB / AMD MI250X 128GB (128GB RAM+)
deepseek-r1:1.5b-qwen-distill-q4_K_M	1.5B	1.1 GB	~2 GB	M2/M3 MacBook Air (8GB RAM+)	NVIDIA GTX 1650 4GB / AMD RX 5500 4GB (16GB RAM+)
deepseek-r1:7b-qwen-distill-q4_K_M	7B	4.7 GB	~5 GB	M2/M3/M4 MacBook Pro (16GB RAM+)	NVIDIA RTX 3060 8GB / AMD RX 6600 8GB (16GB RAM+)
deepseek-r1:8b-llama-distill-q4_K_M	8B	4.9 GB	~6 GB	M2/M3/M4 MacBook Pro (16GB RAM+)	NVIDIA RTX 3060 Ti 8GB / AMD RX 6700 10GB (16GB RAM+)
deepseek-r1:14b-qwen-distill-q4_K_M	14B	9.0 GB	~10 GB	M2/M3/M4 Pro MacBook Pro (32GB RAM+)	NVIDIA RTX 3080 10GB / AMD RX 6800 16GB (32GB RAM+)
deepseek-r1:32b-qwen-distill-q4_K_M	32B	20 GB	~22 GB	M2 Max/Ultra Mac Studio	NVIDIA RTX 3090 24GB / AMD RX 7900 XTX 24GB (64GB RAM+)
deepseek-r1:70b-llama-distill-q4_K_M	70B	43 GB	~45 GB	M2 Ultra Mac Studio	NVIDIA A100 40GB / AMD MI250X 128GB (128GB RAM+)