我們認為，DeepSeek 的核心優勢為訓練/推理成本優化，為 AI 應用的星辰大海創造可能。比如（1）DeepSeek-V2，采用混合專家（MoE）架構，相較同規模稠密模型節省 42.5%計算資源；（2）DeepSeek-V3，采用 FP8 混合精度框架實現高效訓練，總成本較同類閉源模型降低 90%以上；（3）在推理專用模型（R 系列）中，DeepSeek-R1 通過大規模強化學習(RL)訓練，引入顯式思維鏈輸出機制，可自主優化推理邏輯鏈，在數學、代碼和推理任務方面均達到了與 OpenAI-o1 相當的性能，但推理成本僅為 OpenAI o1 系列的 1/30。（4）同時，通過知識蒸餾，推出 R1 的蒸餾版本 DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Qwen-32B，其中 DeepSeek-R1-Distill-Qwen-32B 在保持高基準準確率的同時，將推理功耗控制在低水平，顯著提升了企業級應用的可行性。