DeepSeek已开源，包括部分模型架构、推理代码和模型权重。

具体开源内容

1. 模型架构与参数：DeepSeek开源了其核心推理模型DeepSeek-R1的架构和参数，用户可以借助这些开源资源进行研究和二次开发。
2. 推理代码：部分推理代码已开放，允许用户更灵活地使用和扩展模型功能。
3. 开源协议：DeepSeek遵循MIT License，用户可免费商用，并通过蒸馏技术基于开源模型训练其他模型。

开源的限制

1. 训练框架未开放：DeepSeek并未开源完整的训练框架和系统代码，这限制了用户在底层开发上的自由度。
2. 训练数据未开放：与许多开源项目不同，DeepSeek未开放其训练数据，这在一定程度上影响了用户对模型可解释性和透明度的理解。

开源的影响与意义

1. 推动AI研究与应用：通过开源部分模型和代码，DeepSeek降低了AI研究和应用的技术门槛，为学术界和产业界提供了更多可能性。
2. 商业与学术的平衡：虽然开源内容有限，但DeepSeek通过开放模型权重和推理代码，展示了其在推动AI技术普惠方面的努力。

总结

DeepSeek的开源举措为AI社区提供了宝贵的资源，但也存在一定的局限性。未来，DeepSeek若能进一步开放训练框架和数据，将对AI技术的创新和发展产生更深远的影响。