您大概不知道目前国内的多少AI服务是基于deepseek模型的。一堆公司搞的自己的AI其实都是基于deepseek模型的。所以，不是deepseek无人问津，而是基于他的应用一大堆，导致了大家都懒得去用他了。但这本来就是开源的代价啊。

问题出在了梁文峰似乎短期内不打算靠深度求索项目盈利，完全不跟其他家搞“军备竞赛”，也没有KPI压力，感觉就像是业余爱好，弄着玩儿的一样。

API的价格低廉得离谱近乎于免费，官网和APP也不用心维护，一副爱用不用的姿态。

DeepSeek R1刚出时的主要对手是Grok3和Gemini2.0，那肯定是薄纱之。

但现在这两家已经迭代到下一个版本了，而DeepSeek的V4和R2直到现在依然没有任何消息。

当前AI发展前景不是很乐观，各家的顶级大模型都有各自的问题，

甚至GPT5和Grok4的面世释放了非常不好的信号——Transformer可能快走到头了。

越来越多的数据，越来越多的算力堆砌出越来越大的模型，却根本没有带来什么显著进步，在许多方面甚至还开倒车，训练成本的边际效应愈发明显。

大家都很期待深度求索的下一个版本能不能给整个AI圈子注入一针强心剂。

你说得无人问津，指的是刚刚在 ACL 2025 上拿了 best paper 吗？

o3-mini, o1 pro, o3.o3 pro,o4-mini, gpt-4.1, gpt-4.1-mini, gpt-4.1-nano, gpt-4.5, gpt-image

grok 3, grok 3-mini

claude 3.7 sonnet, claude 4 opus

gemini 2.0, gemini 2.0-flash, gemini 2.5-pro-0325, gemini 2.5-pro-0506, gemini 2.5-pro-0605

qwen2.5-max, qwq, qwen3-235b-a22b, qwen3-30b-a3b, qwen3-32b, qwen3-8b, qwen3-4b

doubao-0115, seed-1.5 thinking

glm-plus, glm-z1, glm-z1-flash, glm-4.1v

k1.5, k1.6

llama 4 scout, llama 4 maverick

还有没发出来就被淘汰的llama 4 behemoth……

能提出这个问题说明对真实世界基本上一无所知。

先看模型实力：

在5月的节点上是能和claude-4-opus打得有来有回。即便到了8月，deepseek的实力依然不弱，日常使用上是没问题的。

在应用侧，

腾讯元宝：

纳米ai：

百度地图：

微信：

问小白：

国家超算中心：

字节飞书：

甚至你现在就在用的这个知乎：

在你看不到的地方用的就更多了：

近期发布的DeepSeek集成招标项目就有：

1. ‌雷州市办公自动化(DeepSeek赋能云OA)系统项目‌

• ‌预算金额‌：333.18万元
• ‌采购需求‌：系统设计、开发、测试及安装调试，服务期限36个月
• ‌截止时间‌：2025年8月11日（公告发布时间）
• ‌关键要求‌：不接受联合体投标，需提供税务、社保记录及财务状况证明
• ‌来源‌：中国政府采购网公告1

1. ‌DeepSeek私有化部署及县域AI能力提升项目（淮滨县）‌

• ‌预算金额‌：1360.1万元
• ‌需求内容‌：智能一体机、安全系统、容灾备份及运维服务
• ‌预计采购时间‌：2025年8月
• ‌来源‌：百度百家号2

1. ‌安徽粮食工程职业学院DeepSeek本地化部署(一期)‌

• ‌预算金额‌：260万元
• ‌履行期限‌：合同签订后148个工作日内完成
• ‌招标文件获取‌：2025年5月10日至6月3日（已截止）
• ‌来源‌：中国政府采购网3

1. ‌绵阳科技城新区政务服务中心DeepSeek部署项目‌

• ‌预算金额‌：130万元
• ‌服务期限‌：90日开发+365日运维
• ‌投标截止‌：2025年6月27日（已截止）
• ‌来源‌：中国政府采购网4

1. ‌宁夏农垦集团DeepSeek系统集成服务‌

• ‌预算金额‌：62万元
• ‌公告时间‌：2025年7月7日
• ‌来源‌：寻标宝7

1. ‌DeepSeek本地化部署建设项目（湖南）‌

• ‌预算金额‌：168万元
• ‌成交结果‌：长沙通视电子科技以164.8万元中标
• ‌来源‌：湖南省电子招标投标平台8

deepseek人家是开源的，而且是最友好的mit协议，谁都可以部署使用。世界不是只有一个deepseek的app才能用得上。

即便在手机上，你装一个chatbox，接上各家API，就能体验全球各种大模型。

说什么deepseek没人用，算是新时代的一叶障目了吧。

合规成本杀死了deepseek

合规意味着不能反映真实情况

垃圾数据只会污染大模型的知识库

让它失去灵魂

前两个月 DeepSeek 悄悄发过一个 R1 的更新，在推理能力方面有了很大提高（可以用于编程等等）。接下来还可以期待 R2 了。

直到现在，DeepSeek 依然是美国科技圈比较重视的 AI 大模型（应该是为数不多的能够在舞台上的非美国厂商的模型，欧洲、日韩等等几乎隐身），前不久互联网女皇 Mary Meeker 的报告里也有很多涉及 Deepseek 的数据，都比较正面。

另一方面，DeepSeek 的热度确实下降了，移动端的活跃用户在最初两个月之后就在下降。

主要有几个原因：

1.开源策略的分流，大家用 DeepSeek 往往不是在他们自己的客户端或者主页，而是在腾讯、百度等等几个平台出的客户端里。而且现在大家用的家电等等有用到 AI 大模型的，几乎都集成的是 DeepSeek。

2.DeepSeek 自己的客户端、网页确实不好用，因为他们并不重视这一块，或者没有经验，或者足够的人力去做，大家经常抱怨的回答到一半自己删了，是因为他们没有很好的敏感词机制，不像另外几家大厂这方面都比较成熟，所以过于简单粗暴。

3.其它模型在快速进步。AI 大模型的竞争就是这样，你追我赶，比如最近这两个月，豆包大模型1.6，能力大幅度提升，然后是 Kimi 的 K2，提升很明显，再之后是马斯克的 Grok 4，号称各方面都能超过博士水平（我经常用，我觉得马斯克还是有些夸大），然后是 GPT 5，（当然还有谷歌的 Gemini 2.5），这些都在快速进步。如果用半年前的 DeepSeek R1 和这些模型比，确实已经落后了。但是这段时间 DeepSeek 也没闲着，等着 DeepSeek R2 发布，又会超越这些大模型一大截。

DeepSeek 的国运级意义在于，他们能够在美国的 AI 封锁之下，用更落后的芯片，在今年年初这个时间点，搞出来比当时美国的很多 AI 大模型更强的模型（按照 Mary Meeker 的报告，当时 DeepSeek R1 的能力应该仅次于 OpenAI 的 O1）。这证明了在大模型这条核心赛道上，中国厂商也有机会。

这直接导致了几个大厂在大模型方面的投入升级（当然也让小厂几乎没有大模型的机会了），这条赛道上中国军团有能够追上来的实力了。

王小东在视频里讲了个事，就是一位搞历史研究的用Deepseek查询了一些资料，DS给出了答案，还注明了出自哪本书，谁写的，什么出版社，哪一页。那人比较轴，真去查了那本实体书，书名、作者、出版社这些都对，可是在这一页上，就没DS所说的内容。据这位搞历史研究的讲，DS犯这类错误，不是一次两次，而是N次。

其实我也早发现了这问题。我作为球迷，有时会跟网友讨论一些球赛。我曾用DS查过90年、94年世界杯上意大利队某场比赛的出场阵容，它还真给出了答案，但里面有个别球员，属于是一眼假，就不是那个时代的。用百度，感觉给出的答案还靠谱些。

这还不算。我印象里，梅西是在正式比赛里用右脚罚进过直接任意球的，问DS，它也回答有，还列出了具体哪一年哪场比赛。我就自信满满在网上发表了这个观点，结果受到了网友的奚落。我就直接去搜那场球赛了，还真搜到了视频，梅西确实在那场比赛里进了一个球。问题是，他就没用任意球的方式，是直接射门打进的。

王小东的观点是，问题应该出在程序员身上。如果程序员不讲武德，为了出结果，在编程时搞点小手脚，还真审核不出来。我觉得，这种可能性很大，但如果老给AI投喂垃圾、虚假信息，这AI也会出问题。

一大堆现在雨后春笋般出现的AI

本质都是在deepseek上扩展

怎么就无人问津了？

知乎老格言：先问是不是，再问为什么

本来就是水军炒作的，国外人用GPT5，grok4，gemini2.5的多，哪有几个用什么deepseek。

还是那句话，DeepSeek在年初开源的架构，至今依旧是开源里面最优的。

这不是我说的，你看下面的原文。

Kimi k2的研发人员在知乎发文，他们在启动K2这个项目之前，对现有的所有的开源大模型进行了scaling实验，发现能超过半年前DeepSeek发的V3架构的没有，最好的结果就是跟V3打个平手。

什么是scaling，其实很好理解，你看DeepSeek V3的Model Size，也就是模型大小是685B，B代表十亿，685B就是6850亿。

而Kimi K2是1 Trillion，也就是1000亿。

Scaling就是缩放的意义，用DeepSeek V3来举例，那就是微调V3原来的架构，扩大或者缩小V3，来看看性能有什么变化。

这里的scaling一般是基于原本的模型进行扩大，因为理论上模型大小和性能呈正相关，也就是模型越大，性能通常越好。

Kimi K2对于所有的开源大模型都进行了测试，结果纵观全世界，DS V3这个架构依旧非常的权威，从685B扩大到1000B，DS V3依旧能打。

这种其实算是一种incremental的工作，也就是DS在做V3的时候，很有可能已经试过这么做了，但是DS明显考虑的是另外一种思维，也就是纵向无止境的扩大模型大小其实并不是什么长久的生计，因为很明显这条路的边际效应很高。

但从Kimi K2公布的性能结果来看，只需要做scaling up，性能就可以有一个不错的提升，说白了，K2的这个工作就有一种致敬的感觉。

从685B到1000B，DS当然可以做，但是还是刚刚说的，这样完全没有质的变化，而堆量明显不是DS这种特意针对阉割版显卡搞创新的怪物喜欢做的。

别人的开源周大多是一些模型，DeepSeek的开源周，几乎全是针对于H800这款专门针对于中国的阉割版芯片的技术。

其实这一点儿很能说明问题，那就是DS里面有对于硬件非常熟悉的人，之前就看到过一个英伟达的前员工是DS的作者之一。

要我说的话，把DS V3做Scaling up，性能提升到世界第一梯队，远不如跟某一芯片厂商合作，把现有芯片的极限性能挖出来要重要的多。

前者只能说明在现有的AI大框架下，大家依旧遵循着卡多数据多就牛逼的第一定律，而从硬件入手，是可以再一次震荡一波英伟达的大手笔。

虽然从长期来看，英伟达在AI的GPU领域地位不可撼动，但短期内是可以被扰动的。

所以不管从哪一点来看DeepSeek都可以称得上国运级，及时它没有大版本更新，Kimi K2的致敬级发布也反映了DS的权威。

扩大参数量，多搞点数据，更深入的post training，当然可以提升性能，但是这样做的意义并不大，MIT协议的存在就是让别人去搞这些。

所以我的观点，DS要么不发布，要么就是算法层次上的提升，人家又不靠这个赚钱，所以底气足够硬。

说真的，我听说deepseek的数据库停留在2023年，不信，遂验证之。

结果当场爆炸。

我用SillyTavern碳基渲染簧片的时候。

DeepSeek是最没下限的。

你把周树人从坟里拖出来，然后让他背社会主义核心价值观以后再动笔写文章，你看能发表几篇？

这就像知乎，现在根本没有人在知乎上学习，大家都是来知乎键政的。

虽然我也很烦，但是如果知乎不能键政我就连知乎也不来了。

以前的互联网，三分之一用来传播知识，三分之一用来传播商业信息，三分之一用来聊天唠家常；

现在的互联网，百分之六十用来键政和吸脑，百分之四十用来传播营销，剩下百分之零点零几用来传播知识和兴趣。

现在你说完全把键政停掉，那互联网马上就没人用了。