DeepSeek 模型谱系
DeepSeek 以模型效率、开放权重和推理训练为主线，把高能力模型的训练与部署成本持续向下拉。
历代模型
DeepSeek-V4 Pro / Flash
开源 1M 上下文模型；Pro 面向高难度推理与 Agent 编程，Flash 以更小激活参数提供接近能力和更高效率。
DeepSeek-V3.2
延续稀疏注意力与推理效率路线，为更长上下文和复杂 Agent 任务做准备。
DeepSeek-V3.1
在同一模型中整合思考与非思考模式，并强化工具使用和 Agent 能力。
DeepSeek-R1
以强化学习驱动长链条推理并开放权重，推动推理模型能力与价格重新定价。
DeepSeek-V3
以稀疏 MoE、低精度训练和更高数据效率展示前沿开放模型的成本优势。
DeepSeek-V2.5
合并通用对话与代码能力，让单一模型更适合开发者日常工作流。
DeepSeek-V2
通过混合专家与多头潜在注意力提高训练、推理和长上下文效率。