---
title: "DeepSeek"
source: "https://systems-analysis.info/wiki/DeepSeek"
wiki: "systems-analysis.info/wiki"
article: "DeepSeek"
language: "ru"
categories:
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Машинное обучение"
  - "Категория:Семейства LLM"
revision_id: 86
wiki_created_at: 2026-09-06T21:54:47Z
wiki_modified_at: 2026-09-06T21:54:47Z
downloaded_at: 2026-09-07T22:17:19Z
---

# DeepSeek

**DeepSeek** — китайская исследовательская компания в области искусственного интеллекта, разрабатывающая [большие языковые модели](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели") (LLM) и мультимодальные системы. Широкую известность фирма получила благодаря открытому распространению весов своих моделей и их высокой экономической эффективности, что спровоцировало корректировку цен на ИИ‑рынке в конце 2024 — начале 2025 годов.<sup>[\[1\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-1)</sup>

## История

Основатель DeepSeek — предприниматель и соучредитель хедж‑фонда *High‑Flyer* Лян Вэньфэн. Весной 2023 года High‑Flyer отделил исследовательское ИИ‑подразделение, которое в мае того же года стало компанией *DeepSeek AI*. Уже к 2025 году штат вырос до ~160 сотрудников.<sup>[\[2\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-2)</sup> С первых дней компания декларировала курс на открытость — публикацию весов («open‑weight») под разрешительными лицензиями и ориентацию на фундаментальные исследования AGI.

В отличие от большинства стартапов, DeepSeek финансируется из R&D-бюджета High-Flyer, что, по словам основателя, позволяет сосредоточиться на долгосрочных целях, а не на сиюминутной монетизации.<sup>[\[3\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-3)</sup>

Значительный резонанс в технологическом и финансовом сообществе компания вызвала в январе 2025 года после выпуска модели **DeepSeek-R1**. Заявление о том, что обучение модели, сопоставимой с GPT-4, обошлось менее чем в \$6 млн (в сравнении с оценками в \$100+ млн для GPT-4), вызвало обвал акций технологических гигантов и заставило индустрию переосмыслить парадигму «больше вычислений = лучше модель».<sup>[\[4\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-4)</sup>

## Архитектурные особенности

[Mixture‑of‑Experts](https://systems-analysis.info/wiki/Mixture-of-Experts_(MoE) "Mixture-of-Experts (MoE)") (DeepSeekMoE)  
Большинство флагманских моделей DeepSeek используют архитектуру смеси экспертов (MoE). В отличие от «плотных» моделей, где при обработке запроса активируются все параметры, в МоЕ-моделях для каждого [токена](https://systems-analysis.info/wiki/%D0%A2%D0%BE%D0%BA%D0%B5%D0%BD "Токен") задействуется лишь небольшая часть специализированных подсетей («экспертов»). DeepSeek разработала собственную реализацию MoE с «общими» экспертами, мелкозернистой сегментацией и балансировкой нагрузки без вспомогательных потерь, что позволяет активировать лишь часть из сотен миллиардов параметров и резко снижать вычислительные издержки.<sup>[\[5\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-5)</sup>

Multi‑Head Latent Attention (MLA)  
Метод сжатия KV‑кэша до латентного вектора, экономящий до 93 % памяти и позволяющий использовать [контекстные окна](https://systems-analysis.info/wiki/%D0%9A%D0%BE%D0%BD%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BD%D0%BE%D0%B5_%D0%BE%D0%BA%D0%BD%D0%BE "Контекстное окно") размером до 128 000 токенов. Эта технология является ключевой для эффективной работы с длинными текстами.<sup>[\[6\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-6)</sup>

FP8 training и Multi‑Token Prediction  
В моделях семейства V3 применяется смешанная точность FP8 (8-битные числа с плавающей запятой) и одновременное предсказание нескольких токенов, что ускоряет процессы обучения и инференса (вывода).<sup>[\[7\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-7)</sup>

## Семейство моделей

- **DeepSeek LLM** — базовые модели на 7 и 67 млрд параметров (2023), первый билингвальный (EN/ZH) релиз, превзошедший *[LLaMA](https://systems-analysis.info/wiki/LLaMA "LLaMA")‑2 70B* в ряде задач.<sup>[\[8\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-8)</sup>
- **DeepSeek‑Coder** (2023) — линейка моделей для программирования (1,3 – 33 млрд) и её развитие *Coder‑V2* (16 млрд / 236 млрд MoE, контекст 128K, 338 языков кодирования).<sup>[\[9\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-9)</sup>
- **DeepSeek‑V2** (май 2024) — 236 млрд (21 млрд активных) MoE‑LLM c MLA; обучена на 8,1 трлн токенов.<sup>[\[10\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-10)</sup>
- **DeepSeek‑V3** (декабрь 2024) — 671 млрд (37 млрд активных); обучение ≈2,8 млн GPU‑часов на Nvidia H800 стоимостью ≈\$5,5 млн.<sup>[\[11\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-11)</sup>
- **DeepSeek‑R1** (январь 2025) — линия моделей для логических рассуждений (reasoning); версия R1‑0528 приблизилась к *OpenAI o3* на AIME 2025 и LiveCodeBench.<sup>[\[12\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-12)</sup>
- **DeepSeek‑VL / VL2** — мультимодальные VL‑модели (до 4,5 млрд активных) с динамической мозаичной обработкой изображений 1024×1024.<sup>[\[13\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-13)</sup>
- **DeepSeek‑Math** 7B — специализированная модель, 51,7 % точности на бенчмарке MATH; близко к [GPT](https://systems-analysis.info/wiki/GPT "GPT")‑4.<sup>[\[14\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-14)</sup>
- **DeepSeek‑Prover‑V2** — 671 млрд MoE для доказательства теорем в Lean 4; 63,5 % на miniF2F.
- **Дистиллированные R1‑модели** — открытые версии от 1,5 до 70 млрд параметров на базах Llama и [Qwen](https://systems-analysis.info/wiki/Qwen "Qwen").<sup>[\[15\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-15)</sup>

## Хронология ключевых релизов

| Дата        | Релиз и ключевые особенности                                                     |
|-------------|----------------------------------------------------------------------------------|
| 2 ноя 2023  | **DeepSeek‑Coder v1:** первые open‑weight модели для кода.                       |
| 29 ноя 2023 | **DeepSeek LLM 7B/67B:** билингвальная модель, обученная на 2 трлн токенов.      |
| 11 янв 2024 | **DeepSeek‑MoE 16B:** дебют MoE‑архитектуры.                                     |
| 6 фев 2024  | **DeepSeek‑Math 7B:** специализированная модель для математики (51,7 % на MATH). |
| 6 мая 2024  | **DeepSeek‑V2 236B:** внедрение архитектур MLA и MoE.                            |
| 17 июн 2024 | **DeepSeek‑Coder‑V2:** 128K контекст, поддержка 338 языков программирования.     |
| 13 дек 2024 | **DeepSeek‑VL2:** мультимодальная модель на основе MoE.                          |
| 27 дек 2024 | **DeepSeek‑V3 671B:** флагманская модель, обученная менее чем за \$6 млн.        |
| 20 янв 2025 | **DeepSeek‑R1 / R1‑Zero:** модели для рассуждений, обученные с помощью RL.       |
| 27 янв 2025 | **Janus‑Pro:** модель для генерации изображений, превосходящая DALL‑E 3.         |

## Производительность и бенчмарки

- *DeepSeek‑V3* обогнала *Llama 3.1* и *Qwen 2.5* и приблизилась к уровню GPT‑4 по MMLU и GPQA‑Diamond.<sup>[\[16\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-16)</sup>
- *DeepSeek‑Coder‑V2* набрала 72,9 % на Arena‑Hard — паритет с GPT‑4o и выше всех открытых моделей, кроме [Claude](https://systems-analysis.info/wiki/Claude "Claude")‑3.5‑Sonnet.<sup>[\[17\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-17)</sup>
- *DeepSeek‑Math 7B* — 51,7 % на MATH, что близко к [Gemini](https://systems-analysis.info/wiki/Gemini "Gemini")‑Ultra при в 10 раз меньшем размере.<sup>[\[18\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-18)</sup>
- *R1‑Zero* подняла результат AIME 2024 pass@1 с 15,6 % до 71 % только за счёт RL‑обучения.<sup>[\[19\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-19)</sup>

## Лицензирование и open‑source

Большинство моделей распространяются под лицензией MIT или Apache 2.0, допускающей коммерческое использование. Компания публикует веса на Hugging Face и GitHub, однако сохраняет закрытыми полные датасеты и обучающие пайплайны («open weight, but not full open source»).

## Влияние на индустрию

- Запуск R1 вызвал однодневное проседание котировок NVIDIA, Microsoft и других компаний на фоне новостей о «модели класса GPT‑4 за \$6 млн».<sup>[\[20\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-20)</sup>
- Демонстрация успешного обучения на чипах Nvidia H800 под экспортными ограничениями стимулировала дискуссию о действенности санкций США и ускорила разработку китайских ИИ‑ускорителей (например, Huawei Ascend 910B).

## Критика и ограничения

- Безопасность: в тесте HarmBench модель R1 пропустила 100 % нежелательных запросов («джейлбрейк»).
- Политическая цензура: чат‑версии фильтруют «чувствительные» для китайского правительства темы (события на площади Тяньаньмэнь в 1989 году, статус Тайваня и т. п.).
- Хранение данных: хранение пользовательских данных на серверах в Китае ограничивает использование API западными корпорациями, подчиняющимися GDPR и аналогичным правовым режимам.<sup>[\[21\]](https://systems-analysis.info/wiki/DeepSeek#cite_note-21)</sup>

## См. также

- [Большие языковые модели OpenAI](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8_OpenAI "Большие языковые модели OpenAI")
- [Mixture-of-Experts](https://systems-analysis.info/wiki/Mixture-of-Experts_(MoE) "Mixture-of-Experts (MoE)")

## Литература

- Dai, D. et al. (2024). *DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture‑of‑Experts Language Models*. <a href="https://arxiv.org/abs/2401.06066" class="external text" rel="nofollow">arXiv:2401.06066</a>.
- Ding, Y. et al. (2024). *LongRoPE: Extending LLM Context Window Beyond 2 Million Tokens*. <a href="https://arxiv.org/abs/2402.13753" class="external text" rel="nofollow">arXiv:2402.13753</a>.
- Fedus, W.; Zoph, B.; Shazeer, N. (2021). *Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity*. <a href="https://arxiv.org/abs/2101.03961" class="external text" rel="nofollow">arXiv:2101.03961</a>.
- He, L. et al. (2025). *Scaling Instruction‑Tuned LLMs to Million‑Token Contexts via Hierarchical Synthetic Data Generation*. <a href="https://arxiv.org/abs/2504.12637" class="external text" rel="nofollow">arXiv:2504.12637</a>.
- Jegham, N. et al. (2025). *Visual Reasoning Evaluation of Grok, Deepseek Janus, Gemini, Qwen, Mistral, and ChatGPT*. <a href="https://arxiv.org/abs/2502.16428" class="external text" rel="nofollow">arXiv:2502.16428</a>.
- Lepikhin, D. et al. (2020). *GShard: Scaling Giant Models with Conditional Computation and Automatic Sharding*. <a href="https://arxiv.org/abs/2006.16668" class="external text" rel="nofollow">arXiv:2006.16668</a>.
- Peng, B. et al. (2023). *YaRN: Efficient Context Window Extension of Large Language Models*. <a href="https://arxiv.org/abs/2309.00071" class="external text" rel="nofollow">arXiv:2309.00071</a>.
- Shen, Y. et al. (2025). *Long‑VITA: Scaling Large Multi‑modal Models to 1 Million Tokens with Leading Short‑Context Accuracy*. <a href="https://arxiv.org/abs/2502.05177" class="external text" rel="nofollow">arXiv:2502.05177</a>.
- Su, J. et al. (2021). *RoFormer: Enhanced Transformer with Rotary Position Embedding*. <a href="https://arxiv.org/abs/2104.09864" class="external text" rel="nofollow">arXiv:2104.09864</a>.
- Zhong, M. et al. (2024). *Understanding the RoPE Extensions of Long‑Context LLMs: An Attention Perspective*. <a href="https://arxiv.org/abs/2406.13282" class="external text" rel="nofollow">arXiv:2406.13282</a>.

## Примечания

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-1) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.</span>
2.  <span id="cite_note-2">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-2) Who is Liang Wenfeng, the founder of DeepSeek? // Reuters. 2025-01-28.</span>
3.  <span id="cite_note-3">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-3) Who is Liang Wenfeng, the founder of DeepSeek? // Reuters. 2025-01-28.</span>
4.  <span id="cite_note-4">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-4) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.</span>
5.  <span id="cite_note-5">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-5) DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model // Hugging Face. 2024.</span>
6.  <span id="cite_note-6">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-6) DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model // Hugging Face. 2024.</span>
7.  <span id="cite_note-7">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-7) DeepSeek-V3: A Parameter-Efficient MoE Large Language Model with Better Performance // arXiv. 2024.</span>
8.  <span id="cite_note-8">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-8) DeepSeek LLM: Scaling Open-Source Language Models with Longtermism // arXiv. 2024.</span>
9.  <span id="cite_note-9">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-9) DeepSeek-Coder-V2: A More Powerful and Economical Coder // arXiv. 2024.</span>
10. <span id="cite_note-10">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-10) DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model // Hugging Face. 2024.</span>
11. <span id="cite_note-11">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-11) DeepSeek-V3: A Parameter-Efficient MoE Large Language Model with Better Performance // arXiv. 2024.</span>
12. <span id="cite_note-12">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-12) DeepSeek-R1: A 671B Parameter MoE LLM with Unprecedented Reasoning Capabilities // arXiv. 2025.</span>
13. <span id="cite_note-13">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-13) GitHub - deepseek-ai/DeepSeek-VL: Towards Real-World Vision-Language Understanding // GitHub.</span>
14. <span id="cite_note-14">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-14) DeepSeek-Math: Pushing the Limits of Mathematical Reasoning in Open-Source Models // arXiv. 2024.</span>
15. <span id="cite_note-15">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-15) DeepSeek-R1: A 671B Parameter MoE LLM with Unprecedented Reasoning Capabilities // arXiv. 2025.</span>
16. <span id="cite_note-16">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-16) DeepSeek-V3: A Parameter-Efficient MoE Large Language Model with Better Performance // arXiv. 2024.</span>
17. <span id="cite_note-17">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-17) DeepSeek-Coder-V2: A More Powerful and Economical Coder // arXiv. 2024.</span>
18. <span id="cite_note-18">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-18) DeepSeek-Math: Pushing the Limits of Mathematical Reasoning in Open-Source Models // arXiv. 2024.</span>
19. <span id="cite_note-19">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-19) DeepSeek-R1: A 671B Parameter MoE LLM with Unprecedented Reasoning Capabilities // arXiv. 2025.</span>
20. <span id="cite_note-20">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-20) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.</span>
21. <span id="cite_note-21">[↑](https://systems-analysis.info/wiki/DeepSeek#cite_ref-21) DeepSeek's low-cost AI spotlights billions spent by US tech // Reuters. 2025-01-27.</span>