DeepSeek目前拥有​​7大核心模型系列​​，覆盖通用语言处理、多模态、数学推理等场景，​​参数规模从1.5B至6710B不等​​，其中​​V3和R1系列以高性能推理与低成本著称​​，VL系列则专注多模态融合。

1. ​​通用语言模型​​

   • ​​DeepSeek-V3​​：6710亿参数的混合专家（MoE）模型，支持128K长文本处理，生成速度达60 TPS，在数学竞赛和代码生成中超越GPT-4。
   • ​​DeepSeek-R1​​：强化学习优化的推理模型，包含R1-Zero（无监督训练）和R1-32B（24GB显存适配），数学与代码能力对标OpenAI o1。
   • ​​蒸馏模型​​：从R1衍生的轻量级版本（如1.5B/7B参数），适合低资源部署。

2. ​​多模态模型​​

   • ​​DeepSeek-VL​​：支持图像与文本联合处理，VL2版本在OCR和视觉问答中表现优异。
   • ​​Janus-Pro​​：7B参数视觉模型，文生图能力超越DALL-E 3，支持多模态输入输出。

3. ​​垂直领域模型​​

   • ​​DeepSeekMath​​：专攻数学推理，集成思维链与工具调用。
   • ​​DeepSeek-Prover​​：定理证明模型，结合蒙特卡洛树搜索技术。

4. ​​高效架构创新​​
   采用​​FP8混合精度训练​​和​​GRPO强化学习算法​​，V3的推理成本仅为GPT-4的三十分之一，R1-Zero则实现无标注数据训练突破。

​​提示​​：根据需求选择模型——R1适合深度推理，VL处理图文任务，V3兼顾通用性与性价比。