谁能想到DeepSeek能应用到这么多业务场景……（上篇）

摘要：本文详细介绍了DeepSeek及其应用场景，涵盖了大模型的发展历程、基本原理和分类（通用与推理模型）。文章分析了DeepSeek的具体特性、性能优势、低成本训练与调用特点，以及其技术路线（如MoE、MLA架构），并与竞品进行了对比。此外，还探讨了DeepSee

本文详细介绍了DeepSeek及其应用场景，涵盖了大模型的发展历程、基本原理和分类（通用与推理模型）。文章分析了DeepSeek的具体特性、性能优势、低成本训练与调用特点，以及其技术路线（如MoE、MLA架构），并与竞品进行了对比。此外，还探讨了DeepSeek在金融风控等领域的应用前景。

一、大模型发展回顾

1.1. 大模型发展历程

从OpenAI看大模型发展趋势

2024年5月，OpenAI发布了GPT-4o，模型能够处理和生成文本、图像和音频。GPT-4o 在语音、多语言和视觉基准测试中取得了最先进的成果，创造了语音识别和翻译的新纪录。

2024年7月，OpenAI发布了GPT-4o mini，取代 ChatGPT 界面上的 GPT-3.5 Turbo，API 成本显著降低，适用于企业、初创公司和开发者。

2024年9月，OpenAI 发布了 o1-preview（更适合推理任务）和 o1-mini（更适合编程任务）模型，这些模型设计为在生成回答时花费更多时间思考，从而提高准确性。

2024年12月，OpenAI 发布了 o1，比 o1-preview 更智能、更快，功能更多（比如多模态功能）

2025年2月，OpenAI 发布了o3-mini，o3-mini在大多数情况下o3-mini比o1-mini产生更准确、更清晰的答案，同时响应更快，其平均响应时间为7.7秒，较o1-mini的10.16秒提升了24%。

2025年2月9日，OpenAI发布全新的智能体-deep research，可以进行网络浏览和数据分析，可以利用推理来搜索、解释和分析互联网上的大量文本、图像和PDF文件，并根据搜集的信息进行灵活调整。

2025年2月9日，OpenAI表示内部已达到了GPT-4.5，表示接下来的重点是高能力的推理模型、多模态以及智能体。

2025年2月28日，OpenAI发布GPT-4.5，最大、知识最丰富、情商最高的大模型。

*GPT-4o的o表示omni，意为“全知全能的”；o1/o3的o表示OpenAI.

从OpenAI的发展过程看大模型的发展趋势：

GPT-x系列: 更强的通用能力；GPT-4o等：多模态输入输出能力；o系列: 推理模型，复杂推理能力, CoT；-mini: 更低成本、更快响应速度；deep research等: 大模型agent；

1.2. 大模型基本原理

大模型是如何构建的？

引用论文 Large Language Models: A Survey [1]

Step 1: 准备数据和数据清洗。数据集源于网页、书籍、博客、知乎、百科等。Step 2: 分词，转化为模型可用于输入的tokenStep 3: 位置编码Step 4: 进行模型预训练，即输入文本，让模型做next token prediction等任务。

Step 5: 通过SFT等手段微调和指令微调, 教会大模型如何对话和完成特定任务Step 6: 通过RLHF等手段进一步对齐人类偏好，引入人类反馈，指导模型优化方向，生成更加符合人类需求，缓解有害性和幻觉的问题Step 7: 通过贪心搜索等生成策略，逐步生成下一个词Step 8: 优化与加速训练推理过程

核心的三个步骤: 预训练，有监督微调和人类反馈强化学习。

1.3. 推理模型与通用模型

大模型发展至今，可以分为: 通用大模型与推理大模型。

通用大模型: 适用于大多数任务，侧重于语言生成、上下文理解和自然语言处理，而不强调深度推理能力。此类模型通常通过对大量文本数据的训练，掌握语言规律并能够生成合适的内容，但缺乏像推理模型那样复杂的推理和决策能力。
推理大模型: 在传统模型基础上，强化推理、逻辑分析和决策能力。

思维链(Chain of Thought, CoT)通过要求/提示模型在输出最终答案之前，显式输出中间逐步的推理步骤这一方法来增强大模型的算数、常识和推理的性能。从该角度，可以将大模型的范式分为两类: 概率预测（快速反应模型）和链式反应（慢速思考模型），前者适合快速反馈，处理即时任务，后者通过推理解决复杂问题。