简要回顾 DeepSeek 2025 的技术报告和论文：这一年他们如何重写 AI 规则？

本文基于 DeepSeek 2025 官方发布的技术报告与论文整理，相关论文引用见文末参考文献

2025 年的 LLM 战场，DeepSeek 无疑是一个无法被忽视的 “异类”。

当大多数厂商还在卷参数规模、卷多模态对齐、卷榜单分数时，DeepSeek 用整整一年的时间，在两条看似平行、实则紧密咬合的轨道上跑出了惊人的加速度：

• • 第一条是 System 2 级别的 “深度推理” 范式化：从 R1 的强化学习尝试，到 Prover 的形式化验证，再到 Math-V2 的自验证，试图让模型从 “概率生成” 走向 “逻辑推演”。
• • 第二条是几乎变态的“工程成本控制”：从 MLA 到 DSA，从 FP8 训练到视觉压缩 OCR，把大模型的 “贵族游戏” 变成了 “平民基建”。

如果只盯着模型名字看，你看到的只是版本号的更迭；但当我们把 2025 年 DeepSeek 发布的所有技术报告、论文和 API 更新按时间轴铺开，一幅关于 “下一代 AI 基础设施” 的完整拼图便清晰浮现。

从 2025 年 1 月 20 号到 2026 年 2 月 10 号，尝试用一篇文章来全景复盘 DeepSeek 的 2025：

第一阶段：让推理涌现，让架构瘦身 (1月-3月)

2025 开年，DeepSeek 就用两套组合拳奠定了全年的基调：R1 的 “脑力” 和 V3 的 “体力”。

01. DeepSeek-R1：打破数据迷信，推理能力的 RL 跃迁

• • 关键节点：1月20日（发布），1月22日（论文）
• • 核心动作：发布 R1 及 R1-Zero，确立大规模 RL（强化学习）在推理中的核心地位。

在 R1 之前，业界的共识是 “更多的高质量 SFT（监督微调）数据带来更好的推理”。但 R1-Zero 打破了这一惯例：纯 RL，不依赖 SFT 冷启动，模型依然能涌现出自我反思与验证能力。

为什么要分 R1-Zero 和 R1？

DeepSeek 在论文中提到：R1-Zero 虽然在数学和代码上表现出惊人的 “顿悟”（Aha Moment），但它经常出现语言混合、语气不连贯、甚至自我重复的问题。这说明纯 RL 虽然能优化逻辑路径，但很难控制 “表面形式”。

因此，DeepSeek 提出了 “冷启动数据 + 多阶段训练” 的 pipeline：

1. 1. 冷启动（Cold Start）：先用少量高质量 Chain-of-Thought (CoT) 数据进行微调，让模型学会 “按步骤思考” 的格式。
2. 2. 大规模 RL：在此基础上引入强化学习，使用结果奖励和格式奖励，逼迫模型探索更优的解题路径。

这不仅仅是一个新模型，它验证了一种 可复用的 Scale-up 范式 。它告诉开发者：推理能力不需要像教小学生一样一步步用 Prompt 诱导，而是可以通过设计合理的 Reward Model，让模型在数万次试错中自己“悟”出来。这种后训练方法，成为 2025 年所有 “慢思考” 模型的基础。

02. DeepSeek-V3：MoE 与 MLA

• • 关键节点：2月18日（V2版报告），3月25日（V3-0324上线）
• • 核心动作：确立 671B MoE 架构，公开 MLA 细节，强调推理/工具分离。

V3 是 DeepSeek 2025 年的 “肉盾”，671B 的总参数看似庞大，但每次推理只激活 37B，这种极致的 MoE（混合专家）策略，配合 MLA（Multi-head Latent Attention），彻底改写了算力账本。

MLA 如何解决显存瓶颈？

在长文本和高并发场景下，Transformer 的 KV Cache 是显存杀手；传统的 MQA（多查询注意力）虽然减少了 KV 数量，但损失了部分性能。

DeepSeek-V3 提出的 MLA（多头潜在注意力） 采用了一种 “低秩键值联合压缩”（Low-Rank Key-Value Joint Compression）技术。简单来说，它不再直接存储巨大的 KV 矩阵，而是将其压缩成低维的 Latent Vector（潜在向量），在计算注意力时再还原。

这一设计使得 V3 在保持高性能的同时，显存占用仅为同级模型的几分之一，从而能在单卡上支持更大的 Batch Size，大幅提升吞吐量。

DeepSeekMoE 的细粒度路由

与传统的 MoE 不同，V3 采用了 “细粒度专家”（Fine-grained Experts）策略。它不是选 2 个大专家，而是把专家切得更碎，让 Token 可以更灵活地组合 64 个甚至更多的小专家。同时，通过 无辅助损失的负载均衡策略，避免了传统 MoE 训练中为了追求负载均衡而牺牲模型性能的问题。

第二阶段：走向严谨与透明 (4月-5月)

第二季度，DeepSeek 做了两件 “硬核” 且 “反常识” 的事：搞数学证明，以及公开底层万卡集群的细节。

03. DeepSeek-Prover-V2：从“像真的”到“就是真的”

• • 关键节点：4 月 30 日
• • 核心动作：发布面向 Lean 4 的形式化定理证明模型。

大模型的最大软肋是 “一本正经胡说八道”。Prover-V2 选择了一条极其狭窄但陡峭的路：形式化验证。它不是生成自然语言，而是生成 Lean 4 代码，并在编译器中验证通过率。

Recursive Proof Pipeline

Prover-V2 不仅仅是 “生成代码”，它引入了类似 AlphaGo 的搜索策略。论文中提出了一种管线：

1. 1. 利用 V3 强大的通用能力，将复杂的数学证明题拆解为一系列子目标。
2. 2. 合成可学习的思维链，作为冷启动数据。
3. 3. 进入 RL 强化阶段，利用 Lean 4 编译器的反馈（Pass/Fail）作为绝对客观的奖励信号。

在 MiniF2F-test 上 88.9% 的通过率证明了：当把推理约束在严格的编译器规则下时，AI 的逻辑严谨性可以达到工业级标准。这对未来的代码生成、金融合规推理具有降维打击的意义。

04. Insights into DeepSeek-V3：揭秘万卡集群

• • 关键节点：5月14日
• • 核心动作：公开 2048 张 H800 集群的训练细节。

这篇论文是 2025 年少有的 “工程自白书”。大多数人只谈算法，DeepSeek 却谈 带宽、通信与流水线并行。

FP8 混合精度训练的挑战

V3 是在 FP8精度下训练的。FP8 虽然快，但精度损失大，极易导致训练发散。DeepSeek 披露了他们的解决方案：

• • 高精度累加：在关键的矩阵乘法累加阶段保留高精度。
• • 细粒度量化：对不同的层、不同的通道采用不同的量化比例，最大限度保留数值动态范围。
• • Dual-Pipe 通信重叠：设计了特殊的双向流水线并行策略，让计算（Compute）和通信（Communication）在时间上几乎完全重叠，掩盖了跨节点通信的延迟。

这篇论文解释了为什么 DeepSeek 能以更低的成本训练出同级别的模型，这不仅是算法的胜利，更是 系统架构与硬件协同设计 的胜利。

第三阶段：Agent 的进化(5月-9月)

年中，DeepSeek 开始密集修补短板，为 Agent 的爆发蓄力。

05. R1-0528 & V3.1：为 Agent 铺平最后 10% 的路

• • 关键节点：5月28日，8月21日
• • 核心动作：补齐 JSON/Function Calling，发布 V3.1 强化工具使用。

推理模型要落地，必须能连 API；R1-0528 重点解决了 结构化输出（JSON） 的问题，这听起来不性感，但对于开发者来说至关重要。随后的 V3.1 更是直接点名 SWE-bench（软件工程）和 Terminal-Bench，强调多步搜索与复杂任务的执行能力。

V3.1-Terminus 版本专门针对中英文混杂、随机字符等 “小毛病” 进行了清洗。这些看似琐碎的更新，恰恰是 Agent 从 Demo 走向 Production 的关键。DeepSeek 意识到，Agent 的瓶颈不在于 “能写出一首好诗”，而在于 “能连续调用 10 次 API 而不出错”。

06. V3.2-Exp & DeepSeek-OCR：把长上下文的价格打下来

• • 关键节点：9月29日，10月21日
• • 核心动作：引入 DSA（稀疏注意力），发布视觉压缩 OCR。

长文本很贵，且处理很慢。DeepSeek 在 Q3 给出了两个解法：

1. 1. DSA (DeepSeek Sparse Attention)：标准的 Attention 机制是 复杂度，文本越长，计算量爆炸。V3.2-Exp 引入的 DSA 通过稀疏化策略，只计算 “重要 Token” 之间的关联，忽略无关部分。这直接导致了 API 价格下调 50%+，让百万级 Token 的上下文处理成为可能。
2. 2. DeepSeek-OCR：视觉即文本这篇论文极具创新性，传统的 OCR 是 “识别字符 -> 拼凑文本”，容易出现乱码或格式错误。DeepSeek-OCR 提出了一种 “视觉压缩” 思路：
   • • 它不强制提取文本，而是通过 Vision Encoder 把长文档（如 PDF）直接映射为高信息密度的 Visual Tokens。
   • • 实验表明，在 100倍压缩比 下，OCR 精度依然可控；在 10 倍压缩比下，精度高达 97%。
   • • 工程价值：单机（A100-40G）可做到 20 万页/天 的生成规模，这意味着企业建立私有知识库的成本将呈现指数级下降。

第四阶段：思考即行动 (11月-12月)

年底的 DeepSeek 完成了最后的闭环：让 “思考” 不仅用于答题，更用于行动。

07. DeepSeekMath-V2 & V3.2：自验证与工具的融合

• • 关键节点：11月27日，12月1日
• • 核心动作：Math-V2 引入自验证机制；V3.2 将 Thinking 融入 Tool-use。

DeepSeekMath-V2：

只奖励最终答案是不够的，模型必须学会 自查自纠，论文提出了一种 生成器-验证器 协同进化的框架：

• • 验证器（Validator）：专门训练来判断推理步骤是否正确。
• • 生成器（Generator）：利用验证器的反馈来优化自己的推理路径。通过不断扩大验证计算（Test-time Compute），模型可以持续制造更难的合成数据来喂养自己。

DeepSeek-V3.2：

如果说 R1 是 “会思考的大脑”，V3.1 是 “会用工具的手”，那么 V3.2 就是二者的结合体。

它不再区分 思考模式 和 工具模式，而是支持 在思考过程中调用工具，配合 1,800+ 虚拟环境 和 85k+ 复杂指令 的合成数据训练，V3.2 成为了一个真正的 Agentic Reasoning Model。

V3.2 证明了 Scalable RL（可扩展强化学习） 在 Agent 领域的有效性。通过扩大后训练的计算量，推理能力可以平滑地迁移到交互式环境中，这意味着，未来的 Agent 不仅会执行命令，更会在执行前、执行中进行缜密的推演。

总结

回顾 2025 年，DeepSeek 践行了三个核心逻辑：

1. 1. 推理工业化从 R1 到 V3.2，证明了推理能力不是玄学，而是可以通过 RL 和合成数据进行规模化生产的工业品，只要算力到位，Pipeline 设计得当，模型就能自己变聪明。
2. 2. 架构物理学：从 MLA 到 DSA，DeepSeek 的每一次架构升级都是在挑战物理极限（显存、带宽、计算密度）；只有把边际成本压到足够低，AI 才能从 “炫技” 变成 “水电煤”。
3. 3. 可验证的智能：从 Prover-V2 到 Math-V2，他们一直在探索如何让模型“不乱说”，这种对严谨性、对形式化证明的追求，是 AI 进入金融、医疗、研发等核心高风险业务场景的入场券。

2025 年的 DeepSeek，不再只是一个很强的模型，它已经进化为一套 由推理内核驱动、极具成本优势、面向 Agent 的智能操作系统。

对于开发者而言，好戏才刚刚开始。

参考文献

1. 1. DeepSeek-AI et al. “DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning.” arXiv, 22 Jan 2025
2. 2. DeepSeek-AI et al. “DeepSeek-V3 Technical Report.” arXiv, rev. 18 Feb 2025
3. 3. DeepSeek官方. “DeepSeek-V3.1 Release – First step toward the agent era.” DeepSeek API Docs, 21 Aug 2025
4. 4. DeepSeek官方. “Introducing DeepSeek-V3.2-Exp (Experimental).” DeepSeek API Docs, 29 Sept 2025
5. 5. DeepSeek-AI et al. “DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models.” arXiv, 2 Dec 2025
6. 6. Shao, Zhihong, et al. “DeepSeekMath-V2: Towards Self-Verifiable Mathematical Reasoning.” arXiv, 27 Nov 2025
7. 7. Wei, Haoran, et al. “DeepSeek-OCR: Contexts Optical Compression.” arXiv, Oct 2025
8. 8. Ren, Zizheng, et al. “DeepSeek-Prover-V2: Advancing Formal Mathematical Reasoning via RL for Subgoal Decomposition.” arXiv, Jul 2025
9. 9. DeepSeek官方. “DeepSeek-R1 Release – Open-source reasoning model & report.” DeepSeek API Docs, 20 Jan 2025
10. 10. DeepSeek官方. “DeepSeek-R1-0528 Release – Enhanced reasoning model.” DeepSeek API Docs, 28 May 2025