🔥 CodeBuddy IDE，腾讯也下场了！ 链接：https://mp.weixin.qq.com/s/os4s0HCy1nwr_KzYm5jgtA?scene=1&click_id=119

昨天，朋友在群里发布的「AI 智能体产品经理」招聘，到鱼友们反馈面试频繁被问到 AI 相关面试题。 真切感受到 AI 时代到来，越来越多企业开始拥抱 AI。 我们团队也在深度使用 AI 提升效率，无论是代码开发还是快速作图，都极大提高了工作效率。 并且我们的「AI 超级智能体项目」(https://codefather.cn/course/aiagent ) 刚刚完结，项目专属简历写法上传平台了。 就有鱼友写到简历里收到面试机会，甚至有一位鱼友入职的公司就是专门做 AI 智能体业务的，完全对口！ 也为了帮助大家能把握 AI 的发展机会，我们决定建立【AI 交流群】。 群里会持续更新大模型技术动态、行业趋势，AI 相关招聘信息优先推送，便于大家掌握第一手 AI 资讯。 进群方式：扫码（图3）加入，为确保高质量讨论，禁止广告，会被 T。

DeepSeek-V3与R1的技术差异与选择指南

## DeepSeek-V3与R1的技术差异与选择指南 **DeepSeek-V3与R1作为深度求索公司推出的两款旗舰大模型，分别代表了通用型AI与推理专家型AI的两种技术路线**。这两款模型共享相同的6710亿参数总规模，但通过不同的架构优化和训练方法，形成了鲜明的功能定位差异。V3采用混合专家架构(MoE)和多令牌预测(MTP)技术，定位为高效通用型模型，适合日常对话、文案生成等场景；而R1则通过动态门控机制和强化学习技术，专攻复杂逻辑推理任务，在数学证明、代码生成等场景表现出色。随着2025年3月V3-0324版本的发布，其在代码生成等领域的性能已显著提升，但两款模型的核心差异仍然存在，用户可根据实际需求进行选择。 ### 一、模型定位与设计理念差异 DeepSeek-V3与R1在设计理念上存在根本性区别。V3定位为通用自然语言处理模型，追求广泛适用性与高性价比，适用于内容创作、多语言翻译、智能客服等日常场景。它采用混合专家架构(MoE)，通过动态路由选择激活部分专家参数，既保证了模型性能，又大幅降低了计算成本。相比之下，**DeepSeek-R1专注于复杂逻辑推理任务，旨在解决需要深度思考和多步骤分析的问题**，如数学证明、代码生成、决策优化等。R1摒弃了传统的监督微调(SFT)方法，完全基于强化学习(RL)训练，通过群体相对策略优化(GRPO)算法直接激发推理能力。 从训练目标来看，V3追求的是输出自然流畅、符合人类交互习惯的通用对话能力；而R1则强调逻辑严谨、推理过程透明的思维链输出。这种差异直接影响了模型在不同场景下的表现。V3在日常问答、文案撰写等任务中响应迅速且成本低；而R1在处理复杂数学问题、长链逻辑推理等任务时准确率更高，但响应时间较长。**两款模型的互补性体现了深度求索公司在技术路径上的多样性战略，既满足了通用需求，又推动了推理能力的前沿发展**。 ### 二、技术架构与训练方法的差异 在技术架构方面，DeepSeek-V3与R1共享相同的基座模型DeepSeek-V3-Base，但通过不同的优化路径形成了各自的特色。V3采用了多头隐式注意力(MLA)技术，将Key-Value缓存压缩至传统Transformer的1/4，显著降低了推理延迟。同时，它通过深度专家路由实现负载均衡，专家利用率达93.7%，避免了资源浪费。在训练方法上，V3采用预训练-监督微调(SFT)-多令牌预测(MTP)的范式，训练数据覆盖14.8万亿高质量token，使用FP8混合精度训练框架，总训练成本仅约557.6万美元。 而**DeepSeek-R1则基于强化学习(RL)训练，完全摒弃了监督微调(SFT)**，通过冷启动策略（仅需200-2000条高质量思维链数据）启动初始策略网络，结合群体相对策略优化(GRPO)算法提升训练稳定性。R1还引入了动态门控机制，优化了专家调度，使其在处理推理任务时能够更精准地激活相关专家。在训练流程上，R1采用两阶段强化学习，先通过少量高质量CoT数据进行冷启动SFT，再通过大量推理数据进行第一轮GRPO训练，最后通过包含推理和非推理的混合数据集进行第二轮训练，使模型既保留了推理能力，又提升了输出的可读性。 ### 三、性能表现与适用场景对比 在性能表现上，DeepSeek-V3与R1各有优势。根据2025年4月的最新测试数据，V3在日常对话、文案生成等通用任务中表现优异，响应速度是R1的2倍。例如，在生成400行完整网站代码时，V3仅需2分钟即可完成，而R1生成的代码可能存在逻辑缺陷。在多语言处理方面，V3支持20种语言的实时翻译和语音识别，适合需要处理多种语言内容的企业用户。 相比之下，**DeepSeek-R1在复杂推理任务中表现突出**。在AIME 2024数学竞赛中，R1准确率达79.8%，超过GPT-4o。在DROP任务中，R1的F1分数达到92.2%，展现了卓越的逻辑推理能力。在代码生成方面，R1在涉及长链推理的算法设计（如动态规划优化）或高精度数学证明任务中表现更佳。此外，R1在医疗领域也展现出强大实力，在USMLE测试中准确率达0.92，与ChatGPT-o1相当，但在呼吸系统疾病分类上仍面临挑战。 | 性能指标 | DeepSeek-V3 | DeepSeek-R1 | 差异分析 | |---------|------------|------------|---------| | 响应速度 | 实时交互，延迟低 | 思维链推理，延迟较高 | V3速度是R1的2倍，适合实时场景 | | 代码生成 | 前端代码准确率87.5% | 复杂算法准确率96.3% | V3适合日常编程，R1适合专业算法设计 | | 数学推理 | MATH500正确率90.2% | MATH500正确率97.3% | R1在复杂数学证明方面优势明显 | | 多模态支持 | 支持图像理解、语音识别 | 专注文本推理，无多模态能力 | V3在图文混合任务中更具优势 | | 本地部署成本 | 14B版本可6GB显存运行 | 满血版需专业级显卡，轻量版需16GB显存 | V3硬件要求更低，部署成本更低 | ### 四、本地部署与硬件要求差异 DeepSeek-V3与R1在本地部署要求上存在显著差异，这直接影响了用户的选择决策。V3的轻量版本（如14B）可在普通电脑（6GB显存）上运行，适合个人开发者或资源有限的小型企业。标准版本V3-Base需要至少8核CPU、16GB内存及8GB显存（如RTX 3070），适合日常对话和内容生成等任务。 相比之下，**DeepSeek-R1的部署要求更高**。其32B版本需要至少16核CPU、64GB内存和24GB显存（如A100 40GB或双卡RTX 3090）；70B版本则需要32核服务器级CPU、128GB内存和多卡并行（如2x A100 80GB或4x RTX 4090）。满血版671B需要64核以上服务器集群、512GB内存和多节点分布式训练（如8x A100/H100），适合国家级/超大规模AI研究。然而，R1也提供了蒸馏版本（如14B、32B），通过知识蒸馏技术将推理能力迁移至小参数模型，降低了部署门槛。 在成本方面，V3的API成本（输入$0.14/百万tokens，输出$0.28/百万tokens）仅为R1（输入$0.55/百万tokens）的1/4。通过SGLang等开源部署方案，V3的运行成本可进一步降低至每百万token 0.20美元，仅为DeepSeek官方Chat API成本的五分之一。相比之下，R1满血版的部署成本极高，需320张H100 GPU集群，日均运营成本高达87,072美元，但其理论单日收入可达562,027美元，成本利润率高达545%。 ### 五、实际应用场景与选择建议 基于上述差异，用户可根据实际应用场景选择合适的模型。以下是针对不同场景的具体建议： **日常对话与内容创作场景**：对于需要快速响应的聊天机器人、文案撰写、多语言翻译等任务，DeepSeek-V3是更理想的选择。其自然流畅的对话能力和高吞吐量（每秒60 token）使其在这些场景中表现优异。例如，某美妆品牌使用V3生成节日促销文案，点击率提升了32%；某企业利用V3搭建智能客服系统，实现了分钟级响应，为客户提供了个性化服务。 **复杂推理与专业分析场景**：对于需要深度思考的数学证明、代码生成、金融策略分析等任务，DeepSeek-R1更具优势。其强大的推理能力和思维链输出使其在这些场景中表现卓越。例如，东吴人寿借助R1强化了数据处理和知识推理能力，条款解析准确率提升了40%；某金融机构利用R1生成复杂SQL查询并解释推理过程，优化了投资模型，策略回报率提高18%。 **医疗领域应用**：在医疗诊断辅助方面，R1表现突出，特别是在中医六经辩证和脏腑辨证等复杂推理任务中。南昌县人民医院部署DeepSeek一体机后，医生病历书写时间节省60%，诊断准确率达90%。然而，V3在医疗文本生成和多语言医疗信息处理方面也有其独特优势。 **本地化部署需求**：对于希望实现数据隐私保护的用户，V3的轻量版本（如14B）更适合普通电脑部署；而需要专业推理能力的用户则可考虑R1的蒸馏版本（如32B/70B）。通过量化优化（如4-bit/8-bit量化）可降低显存占用30-50%，进一步提升部署灵活性。 ### 六、未来发展趋势与技术展望 随着AI技术的不断发展，DeepSeek-V3与R1的差异可能进一步缩小。2025年3月发布的V3-0324版本在代码生成和推理能力上实现了显著突破，通过模型蒸馏等技术吸收了R1的部分推理能力。未来，DeepSeek可能通过持续迭代，使V3在保留其通用性和高效性的同时，进一步提升推理能力；而R1则可能在保持其推理深度的同时，优化输出的流畅性和可读性。 从行业应用趋势来看，**AI技术正从"规模扩张"向"垂直深耕"转型**。V3作为"高效通才"，将在内容创作、智能客服等通用场景中发挥更大作用；而R1作为"推理专家"，则将在金融预测、医疗诊断、算法设计等专业领域展现独特价值。随着开源生态的发展，两款模型的轻量化版本和量化模型将推动AI技术在边缘计算、物联网等低资源设备上的应用，进一步扩大AI的普及范围。 | 场景类型 | 推荐模型 | 优势 | 注意事项 | |---------|---------|------|---------| | 日常对话、文案生成 | DeepSeek-V3 | 响应速度快，成本低，支持多语言 | 避免使用其进行复杂推理任务 | | 复杂数学证明、代码生成 | DeepSeek-R1 | 推理能力强，思维链输出透明 | 需接受较高成本和较长延迟 | | 金融预测、风险分析 | DeepSeek-R1 | 长链推理准确，决策过程可解释 | 结合RAG技术增强知识时效性 | | 医疗诊断辅助 | DeepSeek-R1 | 专业推理能力，诊断准确率高 | 在特定疾病分类上仍存在短板 | | 多模态内容生成 | DeepSeek-V3 | 支持图像理解、语音识别 | 推理能力不及R1，需明确任务需求 | ### 七、总结与决策参考框架 **DeepSeek-V3与R1的核心差异在于设计目标的分离：V3侧重通用对话能力优化，R1专注复杂推理任务优化**。两者在参数规模、架构设计、训练方法和应用场景上形成了互补关系。V3以"高效通才"的身份，适合处理高性价比的通用任务；而R1以"推理专家"的身份，适合解决需要深度思考的专业问题。 在选择模型时，建议用户考虑以下决策框架： 1. **任务复杂度评估**：如果任务主要是日常对话、文案撰写等标准化任务，V3是更理想的选择；如果任务涉及数学证明、算法设计等复杂推理，则应选择R1。 2. **预算与成本考量**：对于预算有限的用户，V3的API成本和本地部署成本均低于R1，可作为优先选择；而对于需要高质量推理结果且预算充足的用户，R1的高准确率值得投资。 3. **响应速度需求**：如果应用场景要求实时交互（如聊天机器人），V3的快速响应能力更具优势；如果任务允许非实时处理（如算法设计、医疗诊断），R1的深度推理能力则更为重要。 4. **硬件资源评估**：对于个人开发者或资源有限的企业，V3的轻量版本更适合普通电脑部署；而对于具备专业硬件资源的大型企业或研究机构，R1的满血版或蒸馏版本可提供更强的推理能力。 5. **多模态需求**：如果任务需要处理图像、音频等多模态数据，V3是唯一选择；如果任务仅涉及文本推理，R1则更具优势。 **综上所述，DeepSeek-V3与R1的选择应基于具体应用场景和需求**。它们并非互斥，而是互补，共同构成了深度求索公司的AI技术生态。随着技术的不断迭代，两款模型将在各自擅长的领域持续突破，为用户提供更强大的AI能力支持。

本地部署DeepSeek 大模型

### 本地部署 ollama 下载[Ollama](https://ollama.com/) ollama支持的模型：[Ollama Search](https://ollama.com/search) <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/l7TXidLDpNri25mx.webp" alt="" width="100%" /> 直接下载，发现默认是下载C盘，并且不能选择安装目录，这对我C盘的压力太大了。 查阅资料：发现可以修改 参考[将Ollama安装到非C盘路径_ollama不安装在c盘-CSDN博客](https://blog.csdn.net/a497785609/article/details/145552673?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0-145552673-blog-145974127.235%5Ev43%5Epc_blog_bottom_relevance_base1&spm=1001.2101.3001.4242.1&utm_relevant_index=2) 参考 [handy-ollama/docs/C2/2. Ollama 在 Windows 下的安装与配置.md at main · datawhalechina/handy-ollama](%5Bhttps://github.com/datawhalechina/handy-ollama/blob/main/docs/C2/2%5D\(https://github.com/datawhalechina/handy-ollama/blob/main/docs/C2/2\).%20Ollama%20%E5%9C%A8%20Windows%20%E4%B8%8B%E7%9A%84%E5%AE%89%E8%A3%85%E4%B8%8E%E9%85%8D%E7%BD%AE.md) 具体步骤如下 步骤1： 下载ollamaollama 下载[Ollama](https://ollama.com/) 步骤2：新建文件夹用于存储ollama应用，并且将安装程序移动到该位置 比如： E/ollama <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/G3jhupMkogml65RP.png" alt="" width="100%" /> 步骤3：在此目录下：启动安装程序 OllamaSetup.exe /DIR=E:\ollama 执行  弹出如图下载页面，看出安装在我们指定的位置E/ollama <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/Pghzx2aFYAVi0EqA.webp" alt="" width="100%" /> 验证是否安装成功 ```shell ollama -v ```  安装成功。 下载模型：[Ollama Search](https://ollama.com/search) 选个小模型吧  <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/Te3Dg1eAdVeAH5Ha.webp" alt="" width="100%" /> 现在过程中发现，模型下载到C盘了  更改模型的下载位置 具体操作 新建一个存放的文件 比如 E:\ollamaModels  配置系统环境变量 OLLAMA_MODELS 指向上述位置 <img src="https://pic.code-nav.cn/post_picture/1813946725418893314/4bdZSR4nL2YMIAvV.png" alt="" width="100%" /> 下载太慢的解决方法，如果发现一开始下载块，之后越来越慢，可以CTRL + C 取消下载，然后重新执行下载指令  真的有用：  可以在该控制台对话了  有效的更新：[大模型知识](https://www.yuque.com/hnsqls/rkzi78/1242f6fde9e37708a49a1b4eeb5bbd18#VtnVC) https://github.com/hnsqls/shuo-ai

几个技巧，教你去除文章的 AI 味！

最近有不少朋友在利用 AI 写毕业设计论文，几秒钟一篇文章就刷出来的，爽的飞起。 结果万万没想到，人家论文查重服务也升级了，是不是用 AI 写的论文大概率都能被查出来。。。 <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/fKr3dNmJgM32cEFS.webp" alt="" width="100%" /> 这可如何是好啊？救救我救救我。。。 <p align="center"><img src="https://pic.code-nav.cn/post_picture/1601072287388278786/RVHog4aLjNumyTUl.webp" alt="" width="180px" /></p> 下面我就给大家分享一些快速去除文章 AI 味的小技巧，有些是网上被分享过的，也有些是我个人的经验。学会之后，无论是写工作文案、毕业设计、自媒体文章，还是平时生活中写写好评，都是非常轻松的。 不过请大家放心，本文纯手打，也才消耗了我 3 成的指力罢了~ ## AI 生成的文章特点 要想去 AI 味儿，首先要了解 AI 生成的文章特点，先来一篇 AI 生成的内容，让它给我的剧本杀店写一篇好评： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/sfn79aoIGJcD6e84.webp" alt="" width="100%" /> 正常人谁会这么写？！ 从中我们也能看到 AI 生成文章的典型特征： 1. 结构化：一眼扫过去，文章明显被分为了整整齐齐的几块，每一块都有 Emoji 表情，最后还来个 “总之” 作为收尾 2. 逻辑线性：缺乏跳跃性思维和意外转折，就是一顿无脑夸 3. 词汇重复：比如 “无论”、“真的”、“非常” 等词汇频繁出现 4. 标点机械：感叹号、句号、逗号，每个标点符号的运用都有些过于精准了 5. 案例泛化：缺乏具体的例子来说明，比如玩的是哪个剧本？ 6. 过于专业：出现了很多成语，比如 “古色古香”、“跌宕起伏”、“应有尽有”、“无微不至” 以前的 AI 生成的内容可能还会缺乏主观性或者情感，但现在的 AI 已经会考虑到这点了，只不过情绪有的时候会过于饱满，反而不够真实。 相比较来说，下面这篇内容还好一点点，没有那么结构化，而且还提了一下老板，增加了真实感： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/wbspBO4CKaEkVD8E.webp" alt="" width="100%" /> 下面我们来学习下怎么消除 AI 味儿。 ## 去 AI 味儿 针对 AI 生成的文章的特征，我们可以一一进行反制。 1）去结构化：把 “首先、其次、最后” 这种机械性地结构词、或者小标题进行移除，改为增加一些语气词，比如 “我听说”、“我发现”、“我想到了”、“咱们要”。 举个例子： - AI：首先进行需求分析，其次方案设计，最后开发编码 - 人来优化："在写代码前，咱得先做个需求分析，再跟大家一起讨论下方案" 2）重构逻辑：故意增加一些转折，甚至可以给人一种逻辑不通顺的感觉，毕竟大多数没经过专业写作训练的朋友写文章就是这样的。 举个例子： - AI：价格方面也很合理，和同类型的剧本杀店相比，性价比超高。花同样的钱，在这里能享受到更优质的剧本、更专业的 DM 和更贴心的服务，真的是物超所值。 - 人来优化：这家店价格比较合理，不过上海打本确实比老家那边贵一些哈哈，DM 不错，确实值这个价 3）替换热词：利用文本编辑器整体替换掉一些高频出现的词汇，或者换成不同长短的表达方式。 举个例子： - AI：他们家的剧本库 **非常** 强大！无论是热门的城限本，还是经典的盒装本，种类 **非常** 齐全。细节之处也处理得 **非常** 到位，让我 **非常** 沉浸。 - 人来优化：他们家的剧本库太全面了！无论是热门的城限本，还是经典盒装，种类都很齐全。细节把控也很牛笔，让我完全入戏了。 4）标点故障：故意进行一些断句、或者运用一些不合适的标点。 举个例子： - AI：店内的服务也超级棒！工作人员都非常热情，从进门的那一刻起，就会让人感受到无微不至的关怀。不仅会贴心地询问我们的需求，还会及时为我们提供各种饮品和小吃。在游戏过程中，如果需要什么帮助，工作人员也会第一时间出现，真的让人感觉特别舒服。 - 人来优化：店内的服务很棒~ 工作人员都非常热情 从进门的那一刻起就会让人感受到无微不至的关怀！很贴心地询问我们的需求。还会及时为我们提供各种饮品和小吃！在游戏中如果需要什么帮助，工作人员也会第一时间出现。。。真的让人感觉特别舒服 5）多举例子：就像我这篇文章一样（虽然我是纯手打），可以多举例让内容更真实，尤其是多举自己的例子、分享自己的主观感受、或者刚刚发生的时事热点。 比如： - AI：不得不说，六楼剧本杀桌游馆的 DM 真的是我见过最专业的之一！从开场的介绍，到游戏过程中的引导，再到最后的复盘，每一个环节都把控得十分精准。 - 人来优化：六楼剧本杀桌游馆的 DM 真的太专业了！这次我玩的角色是红衣少女，剧情太长，DM 单独引导我关注 XX 事件、给我分享一些打本技巧，让我成功隐瞒了凶手的身份，最后还写了整整一个板子来复盘。 6）去专业化：可以运用比喻来增加文章的真实性、用一些梗来增加文章的幽默感。 举个例子： - AI：一进店，就能感受到满满的氛围感。装修风格独特，不同主题的房间布置得相当用心。恐怖本的房间阴森恐怖，灯光音效恰到好处，瞬间就能把人带入到惊悚的剧情之中。 - 人来优化：一进店就吓到我了，玩的恐怖本，房间装修就像我老家那块的墓园，主持人银色中分还拿个篮球，让我瞬间想起了某位故人，一下就代入剧情了。不过还是挺害怕的，估计我得再沉淀两年半。 不过上面的技巧 1 ~ 4 对于写论文来说帮助不大，毕竟论文是需要逻辑通顺、表达凝练的。但是技巧 5 ~ 6 —— 多举例子和去专业化，是能够运用到写论文上的，尤其是可以多用一些通俗易懂的比喻和真实的素材来降低查重率。 ## 去 AI 味儿的 Prompt 以上都是一些理论，最后再给大家分享一段快速去除 AI 味的 AI 提示词，网上应该也不缺这种去 AI 味的工具，大家选一个方法就好。 这个提示词是我自己写的哦，不一定是最优的，仅供参考。大家一定要根据自身需求，在我的基础上进行调整，才能达到更好的效果： ```markdown 你是一位表达能力较差的<角色：比如学生>，帮我生成一篇 xxx，需求如下： - <写你生成文章的要求：比如长度不超过 200 字> 生成的内容必须符合下列要求，来去除 AI 生成的痕迹： 1. 使用第一人称、口语化的语气 2. 结构要散乱，段落过度要自然，不要使用 “首先、其次” 等过渡词 3. 可以举真实例子 / 比喻 / 玩梗，增加真实性，但不要过于频繁 4. 逻辑不要太清晰，可以适当出现逻辑不通、思维跳跃和转折 5. 不要使用过于专业的词汇，标点符号的运用也不要太标准 ``` 举个例子，写一段店铺好评： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/v9QF9YmCgSrmJYDh.webp" alt="" width="100%" /> 不同 AI 大模型的效果也不一样： <img src="https://pic.code-nav.cn/post_picture/1601072287388278786/VBTrPrAISDtDtdih.webp" alt="" width="100%" /> 再举个例子，微调上述 Prompt，让 AI 稍微专业一丢丢，写一篇知识分享的短视频文案：  当然，AI 现在的能力还是有限的，即使调整 Prompt 可以让 AI 生成的内容没那么标准化，但还是需要人工过一遍。 如果真的有一天，AI 生成的内容能骗过人类的眼睛，或许我们得重新审视 “真实” 的定义。。。 在这里也推荐一下我们免费公开的线上 [AI 知识库](https://ai.codefather.cn)，里面除了各种 DeepSeek 教程资料外，也重点给大家分享了很多 AI 工具的具体应用场景，比如接入办公软件提升效率，帮你做自媒体，AI 批量制作视频等。希望帮助大家举一反三，找到新的思路。 ## 更多 💻 编程学习交流：[编程导航](https://www.codefather.cn/) 📃 简历快速制作：[老鱼简历](https://laoyujianli.com) ✏️ 面试刷题神器：[面试鸭](https://mianshiya.com)