#DeepSeek
DeepSeek-R1 让 Blackwell 架构的性能大升级
英伟达推出TensorRT优化的FP4版DeepSeek-R1，运行于Blackwell架构时相较H100提升25倍收益、降低单Token成本20倍；MMLU测试达FP8版本99.8%精度，兼顾速度与准确率；FP4模型已开源至Hugging Face。
Grok 3 vs DeepSeek：AI 竞赛中的新对决
xAI发布Grok 3，计算资源提升10倍，支持128K上下文与输出，在数学、代码等任务上超越DeepSeek；后者以开源、低成本（费用仅为Grok 3约3%）和高定制性见长。二者分别代表闭源高性能与开源普惠两条技术路径。
2025 Lmarena AI 模型基准测试最新排名
LMArena AI最新基准测试显示，Google Gemini 2.0两款模型综合表现居首，DeepSeek R1紧随其后；WebDev Arena编码竞赛中，Claude 3.5 Sonnet夺冠，DeepSeek R1与o3-mini-high分列二、三位。平台支持免费对话与众包投票评估。
Jina.ai 结合 DeepSeek 打造的智能搜索工具 Deep Search
Jina.ai 联合 DeepSeek 推出 Deep Search，基于思维链技术提供更精准、简洁的搜索结果。普通用户可免费网页搜索，开发者可通过低成本 API（$0.02/百万 Token）快速集成 AI 搜索能力。
DeepSeek 小说创作提示词模板
DeepSeek小说创作提示词模板含12个结构化指令，覆盖从主题构思、角色塑造、章节写作到润色校对、读者反馈模拟及市场推广全流程，帮助创作者系统化完成高质量小说创作与出版准备。
从 V0 到 R1，deepseek 如何追平 GPT-4
DeepSeek 两年内从2023年V0迭代至2025年R1，在数学、逻辑与编程能力上追平GPT-4；通过MoE、MLA等架构创新，参数达6710亿，并以跨架构蒸馏技术实现高性能轻量部署，标志AI研发正转向“能力驱动”。
混合专家模型：AI 界的专家会诊制如何让大模型更高效？
混合专家（MoE）架构让大模型像“专家会诊”：通过门控机制动态调用不同子网络处理输入，训练中自然形成专长。Mixtral用8个专家超越GPT-3.5，DeepSeek R1总参6710亿但仅激活370亿，显著降本增效。
什么是大语言模型 LLM 蒸馏？
LLM蒸馏是将大模型（教师）通过概率分布输出的知识迁移至小模型（学生）的技术，由Hinton团队2015年提出。它能在大幅压缩参数量与资源占用的同时，保留97%左右的性能，如DistilBERT体积降40%、速度升60%。DeepSeek R1已推出1.5B–70B多档蒸馏版，支持低配设备本地部署。
DeepSeek R1 是如何炼成的
DeepSeek R1 经历V1至R1 Zero四阶段迭代，融合强化学习与监督微调，采用MoE架构提升效率；仅用2048块H800 GPU即逼近OpenAI顶级模型性能，显著降低训练与推理成本，推动高效透明AI推理落地。