這兩天，DeepSeek-R1 火的飛起，在中日美三個 Appstore 榜上登頂。
還直接干崩英偉達，盤前先死 13 個點，連帶著臺積電一起。
幾乎一夜之間，所有人都在關注 DeepSeek，甚至我在老家，完全沒用過 AI 的七大姑八大姨，都在問我，DeepSeek 是什么，怎么用。
還有一些人體驗了一下后，拿著 8.11 和 8.9 誰大誰小的截圖跟我說，這玩意也不行啊。
感覺市面上，關于 DeepSeek 的信息還是很亂。
所以，今天我想用 8 個問題和答案，來讓大家詳細的了解，DeepSeek-R1 這個模型，是什么，以及，提示詞應該怎么寫，到底怎么用。
話不多說，開始。
一、DeepSeek 是什么？
DeepSeek，是一家在 2023 年 7 月 17 日成立的公司深度求索所開發的大模型名稱。
2024 年 1 月 5 日，他們正式發布 DeepSeek LLM，這是深度求索第一個發布的 AI 大模型。
2024 年 5 月 7 日，他們發布 DeepSeek-V2，正式打響中國大模型價格戰，當時新發布的 DeepSeek-V2 的 API 價格只有 GPT-4o 的 2.7%，隨后一周時間，國產廠商全部跟進，字節、阿里、百度、騰訊全部降價。
2024 年 12 月 26 日，DeepSeek-V3 正式發布且直接開源，而且訓練成本僅為 557.6 萬美元，剔除掉 Meta、OpenAI 等大廠的前期探索成本，大概是別人的三分之一，并且整體模型評測能力媲美閉源模型，震驚海外，自此，東方的神秘力量徹底坐實。
2025 年 1 月 20 日，全新的推理模型 DeepSeek-R1 發布，同樣發布并開源，效果媲美 OpenAI o1，同時 API 價格僅為 OpenAI o1 的 3.7%，再一次震驚海外，讓 Meta 連夜成立四個研究小組，讓全球算力暴跌，英偉達的神話都岌岌可危。
就是這么一家公司，而深度求索的背后，是著名量化私募幻方基金，而基金的盈利模式非常簡單，跟管理規模綁定，固定收取管理規模的管理費和收益部分的提成資金，無論基金漲跌都能賺錢，真正的旱澇保收的行業。
所以，幻方不缺錢，當年賺了錢，在英偉達還沒向中國禁售的時候，幻方直接能掏錢搭一個萬卡 A100 集群。
這也讓深度求索，讓 DeepSeek，不以盈利為導向，目標，就是 AI 的星辰大海。
二、DeepSeek-R1 是什么？
DeepSeek-R1，就是最近爆火的主角了。
也是直接讓各路美國 AI 大佬破防的始作俑者。
給奧特曼都在 X 上開始陰陽了。
很多人拿 DeepSeek-R1 和 GPT4o 比，其實是不對的。
首先，GPT4o 是個多模態通用模型，可以理解圖片、語音、視頻，也可以輸出語音。多模態往后做，更像 Gemini 2，是一個多模態大一統模型，可以理解一切模態，也可以輸出一切模態。
而 DeepSeek-R1 是一個深度推理模型，對標 OpenAI 的應該是 OpenAI o1，而不是 GPT4o，關于 OpenAI o1 曾經我首發寫過一篇文章，可以去看，就不過多贅述了：OpenAI 全新發布 o1 模型 - 我們正式邁入了下一個時代。
現在回頭看，當時這個副標題，還是很有前瞻性的。
我也讓 DeepSeek 列個了 4o 和 o1 的對比表格，大家應該也能一目了然。
而 R1，可以直接類比 o1，兩者在跑分上，幾乎相同。
并且已經開源。
HuggingFace 鏈接： https://huggingface.co/deepseek-ai
論文鏈接： https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf
三、DeepSeek-R1 在哪用？
DeepSeek-R1 除了面向開發者的開源模型和 API，也有面向普通用戶的 C 端版本。
網頁版： https://chat.deepseek.com/
當你勾上深度思考功能，此時就是使用 R1 模型，當你不勾的時候，使用的是類 GPT4o 的 v3 模型。
當然他們也有 APP 版本，你直接在應用商店搜索 DeepSeek 就好。
跟網頁端交互基本一致。目前免費，就是用戶增速過快，所以偶爾會有崩潰斷網連不上問題，你可以在這個地方，來看 DeepSeek 的服務器狀態。
網址：https://status.deepseek.com/
四、應該怎么跟 R1 對話？
首先，我想明確一點的是，DeepSeek-R1 是推理模型，不是通用模型。
在幾個月前 OpenAI o1 剛剛發布時，我用通用模型的方式跟 o1 對話，寫了一堆的結構化提示詞，得到了極差的效果，那時候我一度覺得這玩意是個垃圾。
而后面，我才發現，其實是我自己的思維慣性，這玩意跟 4o 不一樣，這不是一個很傻的聊天模型。
這是一個能力很牛逼但不知道你想要什么的真實員工。
今年 1 月也有一篇海外的文章很火，叫《o1 isn’t a chat model (and that’s the point)》。
跟我是完全一樣的看法。
所以，有一個點一定要注意，明確你的目標，而不是給模型任務。
例如我們以前在寫 prompt 的時候，總是會寫你是一個 XXX，現在我的任務是 XXX，你要按照 1、2、3 步來給我執行 balabala。
但是現在，請拋棄那些寫法。
把你的一切，交給 AI，讓它去進行自我推理，效果會更好。AI 會自動填上那些你沒說出口的話，會給你想出可能更好的解決方案。
有一個不得不承認的事實是，我是一個很普通的普通人，而像我一樣的很多普通人們，現在大概率是不如 AI 博學和聰明的。
所以，不如說出你的目標，把他當作一個很牛逼的員工，讓他，放手去做。
比如這個 case。
只需要表達你是誰+你的目標就 OK。
特別是你是誰這個背景信息，非常非常的有用。
所以請拋棄掉一起過往所學習的結構化框架，如果真的需要有一個萬能 Prompt 模板，那就是：
你是誰 + 背景信息 + 你的目標
背景信息給的越多越能讓 R1 理解你的需求幫助你更好的完成任務。
時刻把他當成：
這是一個能力很牛逼但不知道你想要什么的員工。
最牛逼的提示詞技巧，就是沒有技巧。
大道至簡，重劍無鋒。
所以，千言萬語匯聚成一句話就是：用人話清晰的表達出你的需求，這就夠了。
五、R1 輸出的內容看不懂？
很多人在用“說人話”這三個字，來表達推理模型和通用模型不一樣，這其實有點奇怪。
不過從實用角度來說，這確實是一個能讓普通人看懂 AI 輸出專業內容的小技巧。
不過這并不是一個推理模型才有的技巧，因為一直就存在，本質上就是對方不知道你是誰，不知道你的理解能力和你的學識能力是什么水平。
所以我也想分享一個我自己這兩年跟 AI 對話時用的最多的一個小技巧，也是我自己最常用的“人話”prompt：
我是一個小學生。
當你在跟 AI 對話時，把這句話往前一擺，自降身位，你就會發現，一切都通了，一切都能看的懂了。
比如我想讓 R1 給我解釋一下什么叫大模型中的 RL 用法。
如果不用這句話的話，就會得到這樣的解釋。
我相信你看到一定腦殼疼。你就是不懂才需要讓它給你解釋，結果解釋了個這。
但是，如果把那個神句加上呢？
反正我是一下子能看了，舒服了多了，可能我就真的是個小學生的水平。。。
當然如果你想稍微進階一點，就可以說，我是一個初中生，或者，我是一個高中生，一點一點的可控升級。
我用了兩年，非常好用，推薦給大家。
六、R1 的寫作很強嗎？
R1 除了能非常好的做常規推理模型都能做的數學題、代碼等等，這次有一個非常非常特別的點是：
中文寫作能力強到爆炸。
過往，大家都說，在寫作能力上幾乎所有的大模型都是眾生平等的一坨屎，唯有 Claude 超出了一坨之外，獨立于三界之上。
而這一次，DeepSeek-R1 在中文寫作和文筆上，已經是獨一檔的領先了。
而且對于文風的模擬，效果極佳。
比如我非常非常喜歡知乎上一個大 V 叫大師兄朱炫的文筆。
我甚至都不需要跟 DeepSeek-R1 說朱炫的文筆是什么樣的，直接就說一句話：
以知乎大 V 朱炫的文風，來銳評一下愛情的求而不得，告訴大家，總會有人在等你。
來給大家看看成文：
雖然達不到朱炫那百分百的功力，達不到他那種多智而近妖的文筆，但是已經非常非常強了。
畢竟，只需要一句話而已。
再寫一首，李煜風格的詩詞。
“以李煜的詩詞風格，來寫一首我回老家沒有朋友玩的感覺”
《虞美人·歸鄉感懷》
故園舊巷行人少，空有榆錢老。
秋千院落鎖蒼苔，偶見鄰家黃犬過階來。
重游往日嬉春處，蛛網斜陽駐。
笑談聲遠柳風涼，唯剩一庭明月照空廊。
對仗、押韻全都到位了。
真的，非常的強。
七、R1 可以聯網嗎？
眾人皆知推理模型好，但是推理模型，幾乎都不聯網。
典型如 OpenAI o1。
這給我帶來了非常的多的困擾，要知道，OpenAI o1 的知識庫還是 24 年，很多東西都不知道，更別提一些所謂的實事了，你想用它來梳理分析一些最近的數據，比如美元指數、比如最近的財報等等，它完全不知道，甚至還傳不了 PDF，就非常的 der 比。
而 DeepSeek，是為數不多的，推理+聯網的。
我們來試試這句話：我想用魯迅的文風寫一篇 2000 字的公眾號文章，分析一下 2025 春節檔哪幾部電影能爆，不要結構化。
DeepSeek 去網上搜了 50 個網頁，然后思考了半天。
用魯迅的文風，成了一篇文。
效果非常好。
雖然整體測下來，在聯網資料的 RAG 層面還有一些問題和不盡如意，但是已經非常強了，至少，能聽懂我的話，知道我想要的是魯迅風格。
再給一些時間。
八、算力神話崩盤了嗎？
最后，我想說一下算力的問題。
昨天，A 股算力和美股算力都崩了，大家幾乎都把原因歸結到 DeepSeek 很便宜，所以未來不需要那么多算力，算力神話崩塌了。
但是我覺得這個思路不太對。
在第一次工業革命的時候，有一個經濟學里面非常著名的悖論，是由威廉·斯坦利·杰文斯提出來的，叫做 Jevons 悖論。
當時，英國的工業革命正在加速發展，蒸汽機的效率也在不斷提高。人們普遍認為，蒸汽機會越來越節能，也越來越會減少煤炭消耗。
但實際情況卻打了所有人的臉。
因為，更高效的蒸汽機降低了使用煤炭的成本，結果導致蒸汽機被更廣泛應用，煤炭消耗總量反而大幅增加。
原因大概是這樣的：
假設新技術讓汽車的燃油效率提高了 50%（比如每加侖能跑 30 公里變成 45 公里）。照理來說，這應該減少燃油總消耗，但現實可能是：
由于油耗更低，開車的成本下降，人們更愿意開車，開車里程增加。
購車門檻降低，更多人買車。
物流成本下降，商家擴大運輸量。
最終，油耗效率提高后，燃油消耗的總量可能不降反升。
跟現在算力邏輯是一摸一樣，如果你要把 DeepSeek 對與算力的影響帶入的話，那其實就會導致：
因為大模型需要的訓練和推理算力成本下降，反而會推動 AI 應用和生態的繁榮，端側、個人級別大模型逐漸成熟，算力的總需求反而越來越大。
至于股市算力崩盤，我想說的是，漲多了就是原罪。
而且美元指數都崩成什么樣了，直接破了 60 日均線，納斯達克和英偉達不崩才奇怪好吧。
只能說，DeepSeek 有短期驅動效應，但是核心還是內身問題，DeepSeek 踩中了這個節點，天時地利人和。
此刻的 DeepSeek，就是眾望所歸的，天命人。
寫在最后
昨天，馮驥的微博說，DeepSeek 是國運。
我想說，是，也不是。
國運不是單一的點，而是一群點而連成的面。
流浪地球、新能源車、黑神話悟空、六代機、TikTok、DeepSeek 等等等等。
這些點連起來的面，才是真正的國運。
泱泱中華五千年。
無論多少風雨。
未來也必定。
國運昌隆。
作者的微信公眾號：數字生命卡茲克
全部評論