MLA
多头潜在注意力压缩键值缓存，在长上下文推理中减少显存与带宽压力。
R1 全面就绪
探索认知未至之境
探索认知未至之境
DeepSeek 官方入口
从 DeepSeek网页版 开始连续对话，经由 API 开放平台接入产品，再用 Harness 评测记录准确率、时延与成本。答案即终点，推理过程才是可复用的知识资产。
以铁笔记下问题，以推理擦亮答案。— Deep Seek
DEEPSEEK_REASONING_CONSOLE.SH
TRACE // 128K_CONTEXT显式思维链已闭环
Core Specifications
写在蜡板上的技术底稿
四项能力不是装饰词，而是模型处理长文本、复杂推理与低成本推断时的工程支点。
纯强化学习
通过可验证反馈训练推理策略，让模型在数学、代码与逻辑任务中学习复核路径。
256 专家 MoE
稀疏激活不同专家网络，将模型容量与单次推理开销分开规划。
128K 上下文
面向长文档、仓库级代码与连续会话，保留更完整的任务线索。
Working Scenarios
六种高强度工作场景
每项任务都从边界、输入与验收条件开始，不把提示词写成许愿清单。
代码重构
梳理依赖、定位风险、拆分模块，并补齐可执行测试。
奥数证明
拆解命题、列出引理，逐步验证推导中可能遗漏的条件。
并购审查
归纳长篇材料中的交易结构、义务条款与冲突信息。
量化回测
将假设翻译为指标、约束与回测代码，标注数据偏差。
Agent
规划工具调用顺序，保留状态，并对失败步骤进行重试。
离线部署
按显存、吞吐与隐私边界选择蒸馏模型和推理框架。
API Onboarding
三步刻下第一笔调用
创建访问凭据
在开放平台管理凭据，并使用环境变量保存，不写入前端源码。
选择模型与边界
依据任务难度、上下文长度、延迟目标和预算确定调用策略。
记录并评测
保存请求版本、测试集与关键指标，使上线结果可以复现。
Access Portals
从哪里进入 Deep Seek
按任务选择入口。临时对话走网页端，系统集成走 API，质量验收走 Harness。
网页版CHAT / ZERO INSTALL
APIBUILD / INTEGRATE
HarnessEVAL / REPRODUCE
99.8%演示任务稳定完成率
¥0.14演示缓存成本样本
128K长上下文窗口
60+压测样本 QPS
$ deepseek-harness run \
--suite reasoning-cn \
--model candidate \
--metrics accuracy,latency,cost
[01/60] prompt locked
[42/60] revision detected
[60/60] report sealed
PASS accuracy: 0.998
NOTE compare before release
Evaluation Harness
评测不是一张漂亮榜单
固定输入与版本
保存提示模板、采样参数、模型标识和数据集版本，避免结果漂移后无法解释。
同时看质量与成本
将准确率、人工复核、首字延迟、总耗时和 Token 成本放入同一份记录。
FAQ
常见问题，逐条刮开
DeepSeek网页版入口需要安装客户端吗？
不需要。本地页面通过站内“网页版入口”进入演示工作区；部署到正式站点后，可按实际服务地址配置入口。
API 接入前应先做什么？
先确定数据边界、鉴权方式、超时重试、日志脱敏与预算，再进行最小调用验证。
Harness 评测适合哪些任务？
适合有固定输入和验收标准的数学、代码、抽取、分类、Agent 工具调用及长文档任务。
如何选择 R1、V3 或蒸馏模型？
复杂多步推理优先考虑推理模型；高频通用任务关注吞吐与成本；离线场景按设备资源选择蒸馏尺寸。