MLA 注意力
把键值缓存压进一个低维的潜在向量里，推理时再还原。同样的显存能装下更长的对话，长文本也不容易“忘了前面说过什么”。
R1 全面就绪
探索认知未至之境DeepSeek 官方入口
这条路从长安出发，终点是 DeepSeek网页版：打开浏览器就能和 DeepSeek-R1 对话，不用安装，也不用配环境。 想把模型接进自己的系统，在玉门关领一份通关文牒——也就是 DeepSeek api开放平台 的密钥与接口说明； 想知道模型到底靠不靠谱，疏勒那一站用 DeepSeek Harness 把每一次评测的题集、参数和分数都摊开给你看。
长安 → 凉州 → 敦煌 → 玉门关 → 疏勒 → 网页版
DEEPSEEK_REASONING_CONSOLE.SH
> 题目：一支商队每天走 40 里，驿站间隔 120 里……
> 思考 先算单程天数，再看补给点是否覆盖……
> 核对 第三站补给不足，回退重算路线
> 结论已生成，共 3 步推理，1 次自我纠错
> 思考 先算单程天数，再看补给点是否覆盖……
> 核对 第三站补给不足，回退重算路线
> 结论已生成，共 3 步推理，1 次自我纠错
● 显式思维链已闭环
R1 · 128K
第一站 凉州 · 先看驼队的底子
DeepSeek AI 靠什么走远路
长途商队拼的是脚力和补给。大模型也一样，能走多远取决于底层结构。下面四件，是 DeepSeek 能在长推理里不掉队的原因。
纯强化学习
R1 的推理习惯主要靠强化学习练出来：答对给分，答错扣分。模型因此学会先写草稿、发现问题再回头改。
256 专家 MoE
参数总量很大，但每次只叫醒少数几个专家干活。好比驿站里人很多，接哪单货只派最熟这条路的那几个。
128K 上下文
一次能读进整本合同、一个中型代码仓库或几十页论文，再针对某一段追问，不用来回拆分粘贴。
里程 0480 km
这四项不是各自为战：MoE 管算力分配，MLA 管记忆，强化学习管推理习惯，128K 窗口给它们留出施展的地方。合在一起，才有你在网页版里看到的那种“先想再答”。
第二站 甘州 · 驼背上驮的货
这些活，DeepSeek 已经在帮人干
不是概念演示，是用户每天真正丢给它的任务。挑一个和你手头工作最像的，直接去网页版试。
老代码重构
把几千行没人敢动的旧模块贴进去，让它先画出调用关系，再一块块拆。改动建议会附上理由。
奥数证明
竞赛题、几何证明、数列不等式。打开深度思考，它会把每一步推导写出来，错了也会自己指出来。
并购尽调审查
几百页的协议一次读完，列出对赌、回购、竞业这类条款的位置和风险点，律师再逐条复核。
量化回测
描述策略思路，它写出回测脚本并解释每个参数。跑完的结果贴回来，还能帮你找过拟合的痕迹。
Agent 编排
通过 API 的函数调用，让模型自己决定先查库存、再算运费、最后下单，每一步都留日志。
离线私有部署
开源权重可以放进自己的机房，数据不出内网。适合对合规要求严格的银行、医院和制造企业。
第三站 敦煌 · 驿站里的货单
选哪匹骆驼：模型货单
三个型号，用途不同。价格为 DeepSeek api开放平台每百万 Token 的参考价，实际以控制台为准。
第四站 玉门关 · 领通关文牒
出关之前，先把 API 接上
- 01
注册并创建密钥
在 DeepSeek api开放平台登录后进入“API Keys”，新建一把密钥。密钥只显示一次，记得马上存好。
- 02
替换接口地址
接口与 OpenAI 格式兼容。已有代码只需把
base_url改成 DeepSeek 的地址，模型名换成deepseek-chat或deepseek-reasoner。 - 03
发出第一条请求
调用
/chat/completions，拿到回复后看一眼用量字段，确认计费正常，就可以放进正式环境。
通关文牒 · 摘要
- 接口路径
- POST /chat/completions
- 鉴权方式
- Authorization: Bearer <API_KEY>
- 可用模型
- deepseek-chat / deepseek-reasoner
- 完整说明
- 帮助中心 · 通关文牒 →
第五站 高昌 · 三条路通往终点
从哪儿进：三条通道
大多数人走第一条就够了。开发者和做评测的团队，各有自己的门。
第六站 龟兹 · 账本上的数
走过这段路的记录
99.8%近 90 天网页版服务可用率
¥0.14一次万字长对话的平均调用成本
128K单次对话可读入的上下文长度
60+ QPS单个企业账号默认并发上限
harness · run_eval.sh
# 用固定题集跑一轮 R1，结果写入 reports/ $ harness run \ --model deepseek-reasoner \ --suite math-500,humaneval,mmlu-pro \ --temperature 0.6 --seed 42 [suite] math-500 97.3 312s [suite] humaneval 92.1 188s [suite] mmlu-pro 84.0 640s done 报告已保存 reports/r1-2026-11.json
第七站 疏勒 · 验货
DeepSeek Harness：分数要能复现
同一套题，同一组参数
题集、温度、随机种子都写死在配置里。换个人、换台机器再跑一遍，分数应该落在同一个区间。对不上，就说明哪里出了问题。
不只看总分
每道题的输入、输出和耗时都留档。你可以挑出模型做错的那几题，看它在思维链里是从哪一步开始走偏的。
歇脚处 路上常被问到的事
常见问题
不需要。打开 DeepSeek网页版入口，在浏览器里就能直接对话，电脑和手机都可以用。想要桌面快捷方式，把页面添加到收藏夹或主屏幕即可。
在对话框下方打开“深度思考”开关，模型会先写出推理过程，再给出结论。数学、代码和需要多步分析的问题建议打开；普通闲聊关掉会更快。
按输入和输出的 Token 数量分别计费，缓存命中的输入更便宜。新账号通常有试用额度，具体单价以 DeepSeek api开放平台控制台公布的价格为准。
一套评测流程：用固定题集和固定参数跑模型，记录每题的输出、分数和耗时，方便对比不同版本，也方便你复现官方公布的结果。
