DeepSeek完整历史：每个模型和里程碑，2023-2026

如果你只通过2025年1月的R1新闻了解到DeepSeek，那么你错过了故事的其他部分。完整的DeepSeek历史并非从聊天机器人开始，而是从一个对冲基金囤积Nvidia GPU的故事开始，经过一系列公开权重模型发布，悄然重置了中国AI的价格，最终在2026年4月24日达到了V4预览阶段，这是一个拥有100万token上下文窗口的两层专家混合家族。本指南按发布顺序逐一介绍时间线，命名每个转折点背后的人和决策，并标记出对今天在生产中使用DeepSeek的任何人来说都重要的时刻。期待有日期、参数数量、价格和收据来支持这些信息。

深度探索之前：一家早期购买GPU的对冲基金

DeepSeek并非从一家AI公司开始。它始于High-Flyer量化对冲基金内部的一个小赌注。High-Flyer由李亮峰于2016年2月共同创立，他在就读浙江大学期间就已经从2008年金融危机开始交易。该基金使用机器学习进行交易，到2020年代初，它已经积累了大多数中国科技公司都羡慕的GPU储备。

2023年5月，李亮宣布High-Flyer将追求通用人工智能的开发，并推出了DeepSeek。在那个月的36Kr采访中，李亮表示，在美国政府对中国实施AI芯片限制之前，High-Flyer已经收购了1万台Nvidia A100 GPU。这个储备很重要。这意味着DeepSeek在出口管制打击之后，在大多数国内同行无法进行的情况下，仍然能够训练前沿规模的模型。

2023年4月14日，High-Flyer宣布成立一个通用人工智能研究实验室，并表示新实验室将专注于开发与公司金融业务无关的AI工具。两个月后，即2023年7月17日，该实验室被剥离为一家独立公司DeepSeek，High-Flyer成为其主要投资者和赞助商。风险投资公司不愿提供资金，因为它们不太可能在短时间内实现退出，因此DeepSeek几乎完全由对冲基金资助——这是一个至今仍在塑造公司行为的结构性事实。

2023年：首个模型——Coder和LLM

第一批发布的产品按照2026年的标准来看可能并不起眼，但确立了这样一个模式：发布公开权重，发布技术报告，价格上具有竞争力。

• DeepSeek Coder（2023年11月2日） ——实验室首个公开模型，专注于代码补全。
• DeepSeek LLM（2023年11月29日） ——7B和67B大小的通用密集型语言模型。

DeepSeek于2023年11月2日发布了其首款模型DeepSeek Coder，随后于11月29日发布了DeepSeek-LLM系列，当时这两款产品并未引起全球关注。然而，它们确实表明公司对发布权重而非将其限制在API背后的态度是认真的。

2024年：MoE、数学、V2以及首次价格战

2024年是DeepSeek在研究上开始实现复利的年份。2024年1月，它发布了两个DeepSeek-MoE模型（Base和Chat），4月3日发布了三个DeepSeek-Math模型（Base、Instruct和RL）。DeepSeek-V2于2024年5月发布，一个月后推出了DeepSeek-Coder V2系列。

DeepSeek-V2是迫使中国其他市场关注的模型。团队采取了激进的定价策略，反应迅速。当DeepSeek-V2发布并在中国引发AI价格战时，这令团队感到惊讶，因为他们没有预料到定价会如此敏感。Liang对语言模型的激进定价迫使包括阿里巴巴和百度在内的国内科技巨头将自身价格削减超过95%。

在内部，V2还引入了将贯穿到每个后续发布的产品中的架构理念：多头潜在注意力（MLA）。一个显著的结果是多头潜在注意力训练架构，这直接归功于一位年轻的DeepSeek研究者的个人兴趣。这一进步在2024年12月发布的DeepSeek-V3模型训练成本降低中发挥了核心作用。

DeepSeek-V3（2024年12月）

V3是一个拥有671亿参数的MoE模型，每个标记大约有37B个活跃参数——在任何标准下都很大，其训练成本仅为前沿美国实验室花费的一小部分。广泛引用的约560万美元的训练计算量数据来自V3技术报告；这是后来记者们将其与R1的训练成本混淆的数字。

January 2025: R1 and the “Sputnik moment”

2025年1月20日，DeepSeek发布了DeepSeek-R1，这是一个671亿参数的开源推理AI模型，同时发布了一份详细的技术论文，解释了其架构和训练。R1在多个推理基准测试中与OpenAI的o1相匹配，同时提供开放权重和一个价格仅为o1一小部分的API。

市场反应异常强烈。观察者表示，这一突破在业界引发了“冲击波”，被形容为为美国在人工智能领域的创新带来了“苏联卫星时刻”，尤其是由于其开源、经济高效且性能卓越的人工智能模型。这威胁到了如英伟达等既有的AI硬件领导者；英伟达的股价急剧下跌，市值蒸发6000亿美元，创下了美国股市历史上单家公司市值最大跌幅。

一个需要注意的细节：著名的“低于600万美元”的数字属于 V3, 不是R1。当DeepSeek透露使用低功耗的Nvidia芯片仅用两个月时间就构建了R1模型，甚至没有花费600万美元时，该模型曾令投资者感到警觉。DeepSeek后来在2025年9月向路透社披露了R1模型特有的训练成本约为294,000美元。这两个数字都是真实的；它们属于两个不同的模型。

想要深入了解R1在生产中的实际表现，请参阅我们的 DeepSeek R1 review 以及当前状态的 DeepSeek R1 vs OpenAI o1 comparison.

2025年中至年底：监管反噬和迭代的一年相对平静

R1’s success did not come without friction. Multiple US states, Australia, Taiwan, South Korea, Denmark and Italy introduced bans or other restrictions on DeepSeek-R1 shortly after its release, citing privacy and national security concerns. Italy’s Garante moved against the consumer app early in 2025; several US states blocked DeepSeek on government devices. The federal picture in the US remains state-by-state rather than a single national ban — check our tracker on DeepSeek US restrictions 对比。

该公司计划接替R1的后续产品经历了一年波折。有报道称，原计划作为R1继任者的R2，最初计划于2025年5月初发布。然而，在2025年5月28日，R1反而更新到了版本R1-0528。截至7月初，由于梁文峰对其性能尚不满意，R2尚未发布。

在这个窗口期，对开发者来说还有两个重要的变化：

• 2025年9月5日 — DeepSeek已停止提供V3时代用户所依赖的峰谷/夜间API折扣，该折扣尚未重新引入。
• 2025年8月 V3.1版本配备了“DeepThink”切换功能，该功能可在单个模型之间切换思考和非思考模式，预示了V4的设计。
• 2025年12月 ——V3.2成为上一代默认版本，并一直持续到V4。

2026年4月24日：DeepSeek V4预览

DeepSeek于2026年4月24日发布了DeepSeek-V4预览版——这是一系列新的开放权重混合专家模型，实验室的论点是：百万token的上下文处理不再是能力问题，而是一个效率问题。今天推出两款模型。V4-Pro包含160万亿总参数，每token激活49亿。V4-Flash是高效的兄弟，总参数2840亿，每token激活130亿。两者都支持原生1M上下文，且都是开放权重。

每个接触API的开发者都应该了解的实用要点：

• 这两个模型ID是 deepseek-v4-pro and deepseek-v4-flash两者均遵循MIT许可协议。
• 思考模式是一个请求参数，不是一个独立的模型ID。发送 reasoning_effort="high" with extra_body={"thinking": {"type": "enabled"}} 启用它，或 reasoning_effort="max" 针对最重设置。通过 extra_body={"thinking": {"type": "disabled"}} 针对非思考模式；默认为非思考模式启用思考功能（省略则使用默认的启用思考功能模式）。
• API是无状态的。聊天请求击中 POST /chat/completions, the OpenAI-compatible endpoint at https://api.deepseek.com; 客户必须在每次调用时重新发送完整的对话历史。支持OpenAI ChatCompletions和Anthropic API。
• 上下文窗口是 1,000,000 tokens 默认情况下；输出最多 384,000 tokens.
• 遗留ID deepseek-chat and deepseek-reasoner 仍然可以使用，但deepseek-chat和deepseek-reasoner将在2026年7月24日15:59（UTC时间）后完全退役且无法访问。它们将重定向到 deepseek-v4-flash 直到那时。

使用OpenAI SDK对V4-Pro进行的最小Python调用如下所示：

from openai import OpenAI
client = OpenAI(base_url="https://api.deepseek.com", api_key="...")
resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Summarise this codebase."}],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)

When thinking is enabled the response returns reasoning_content alongside the final content关于请求形状的更多信息，请参阅 DeepSeek API documentation.

一眼望尽的完整发布时间表

价格历史——每一代实际收费情况

定价是了解DeepSeek策略的最清晰方式。每一代产品都定在或低于上一代。

截至2026年4月的费率；请在网站上核实 DeepSeek API pricing 在您提交工作负载之前查看页面。DeepSeek的定价页面在2026年5月31日之前75%的促销期间，Flash的输入收费为每百万token 0.14美元，输出收费为每百万token 0.28美元，Pro的输入收费为每百万token 0.435美元，输出收费为每百万token 0.87美元（列表价格为1.74美元/3.48美元）。

Worked example — V4-Flash at scale

使用2,000个token的缓存系统提示、200个token的用户消息（未缓存）和300个token的响应进行一百万次聊天式API调用，将花费1,421.00美元——大约是Flash账单的12倍。选择与任务相匹配的层级，而不是营销。 deepseek-v4-flash:

Cached input   : 2,000,000,000 tokens × $0.0028/M = $5.60
Uncached input :   200,000,000 tokens × $0.14/M  = $28.00
Output         :   300,000,000 tokens × $0.28/M  = $84.00
                                                   -------
Total                                                         $117.60

The same workload on deepseek-v4-pro 深寻的时间线看起来像一系列降价，其中一个原因是实验室的研究路线图一直在累积。MLA出现在V2版本中，V3报告引入了MoE的无辅助损失负载均衡，R1展示了纯强化学习驱动的推理，V4发布了深寻称之为混合注意力架构的功能。深寻特别提出了一种它称之为混合注意力架构的技术，称其提高了AI平台在长对话中记住查询的能力。它还推动了1,000,000个token的上下文窗口——这一跃进允许将整个代码库或长文档作为一个单一提示发送。

内在的架构故事

自下而上的文化在这里也很重要。深寻旨在保持低层级的公司文化，成员在基于项目的团队中工作，以及具有竞争力的薪酬。梁强调了他对深寻员工的愿景，即他们带来自己的“独特经验和想法”，而不是需要明确的指导，采用整体自下而上的劳动分工方法。梁指出，这种方法的显著成果是多头潜在注意力训练架构，这直接归功于一位年轻的深寻研究者的个人兴趣。深寻历史上最大的单一架构胜利来自一位初级研究者的好奇心——这就是了解AI实验室值得知道的事实。

如果这是您第一次阅读深寻的时间线，根据您的目标，以下三个后续内容值得您花时间阅读：

Where to go next

随着V4离开预览以及旧模型ID于2026年7月24日退役，本文将进行更新。

• 要使用当前一代——请参阅我们的概述 DeepSeek V4 以及针对特定内容的页面 DeepSeek V4-Pro and DeepSeek V4-Flash.
• 为了与西方的现有企业进行比较——请阅读 DeepSeek vs ChatGPT and DeepSeek vs Claude.
• 关于模型描述的更广泛目录，请参阅 DeepSeek models hub 列出了每个发布的详细信息。

This article will be updated as V4 leaves preview and as the legacy model IDs retire on July 24, 2026.

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.