DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 Deepseek可以做什么？ 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 劣势领域 发散性任务（如诗歌创作） 需要严格逻辑链的任务（如数学证明） 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强，仅在其训练目标领域显著优于通用模型 通用场景更灵活，但专项任务需依赖提示语补偿能力 • 例如：GPT-3、GPT-4（OpenAI），BERT（Google），主要用于语言生成、语言理解、文本分类、翻译 等任务。 快思慢想：效能兼顾 全局视野 不要对推理模型使用“启发式”提示（如角色扮演），可能干扰其逻辑主线。 • 不要对通用模型“过度信任”（如直接询问复杂推理问题，需分步验证结果）。 从“下达指令”到“表达需求” 策略类型 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务、需快速执行 “用Python编写快速排序函 数，输出需包含注释。” ✅ 结果精准高效 ❌ 限制模型自主优化空

DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费商用。 Deepseek可以做什么？ 直接面向用户或者支持开发者，提供智能对话、文本生成、语义理解、计算推理、代码生成补全等应用场景， 支持联网搜索与深度思考模式，同时支持文件上传，能够扫描读取各类文件及图片中的文字内容。 文本生成 表格、列表生成（如日程安排、菜谱） 代码注释、文档撰写 结构化生成 文章/故事/诗歌写作 劣势领域 发散性任务（如诗歌创作） 需要严格逻辑链的任务（如数学证明） 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强，仅在其训练目标领域显著优于通用模型 通用场景更灵活，但专项任务需依赖提示语补偿能力 • 例如：GPT-3、GPT-4（OpenAI），BERT（Google），主要用于语言生成、语言理解、文本分类、翻译 等任务。 快思慢想：效能兼顾 全局视野 不要对推理模型使用“启发式”提示（如角色扮演），可能干扰其逻辑主线。 • 不要对通用模型“过度信任”（如直接询问复杂推理问题，需分步验证结果）。 从“下达指令”到“表达需求” 策略类型 定义与目标 适用场景 示例（推理模型适用） 优势与风险 指令驱动 直接给出明确步骤或 格式要求 简单任务、需快速执行 “用Python编写快速排序函 数，输出需包含注释。” ✅ 结果精准高效 ❌ 限制模型自主优化空

集社交媒体数据、数据库内容、文本数据、接口数据等。 通过数据清洗、数据集成、数据变换、特征工程等方式，实 现数据纠错、数据整合、格式转换、特征提取等。 对数据进行诊断、预测、关联、聚类分析，常用于问题 定位、需求预测、推荐系统、异常检测等。 对数据进行分类、社交网络分析或时序模式挖掘，常用 于客户细分、信用评分、社交媒体营销、股价预测等。 将数据转化为统计图、热力图、网络关系图、词云、树形 图等，用于揭示数据中蕴含的模式、趋势、异常和洞见。 本质：以多agent实现从数据采集到可视全流程 模型特点 Claude 3.5 sonnet  平衡性能：在模型大小和 性能之间取得平衡，适合 中等规模任务。  多模态支持：支持文本和 图像处理，扩展应用场景。  可解释性：注重模型输出 的可解释性和透明性。 DeepSeek R1  高效推理：专注于低延迟和 高吞吐量，适合实时应用。  轻量化设计：模型结构优化， 资源占用少，适合边缘设备 （如医疗、法律）进行优化， 提供高精度结果。  长文本处理：擅长处理长文本 和复杂文档，适合专业场景。  定制化能力：支持用户自定义 训练和微调，适应特定需求。 Open AI o3 mini  小型化设计：轻量级模型， 适合资源有限的环境。  快速响应：优化推理速度， 适合实时交互场景。  通用性强：适用于多种自 然语言处理任务，如对话 生成和文本理解。 爬虫数据采集

你需要⼀个同时满⾜
scalability
和
generality
这两点的架构，但今天其实很多架构已经不满⾜这两条 了。transformer
在已知的
token
space
符合这两条，但放⼤到⼀个更通⽤的场景，也不太符合。数据 也是⼀个⽣产要素，包括整个世界的数字化，和来⾃⽤⼾的数据。 所以在很多核⼼⽣产要素中，通过改变其他的⽣产要素，可以让算⼒利⽤率变⾼。 同时，针对“登⽉”，算⼒肯定要持续增⻓ ate-of- the-art。我们前段时间做出来的
lossless
long-context
技术在很多具体场景上要⽐
OpenAI
效果更 好，因为⽤了⽆损压缩的技术。你可以⽤它去读⼀篇很⻓的⽂章，它可以很好地还原⼀些具体细节， 还可以内容做推理。⽤⼾⾃⼰还会发现很多场景，⽐如扔给它
50
个简历，让它根据你的要求做分析和 筛选。 要做差异化，我认为就是去看这⾥⾯的
tech
sp 是如何思考可解释性 的？因为刚刚你也提到了模型是⼀个⿊盒，并且其实⼈类到现在还没有弄清楚⾃⼰的⼤脑是怎么⼯作 的。 杨植麟：可解释性核⼼是个信任的问题。建⽴⼀个信任的⼼智是很重要的，对应的应⽤场景甚⾄可能 和
ChatGPT
的也会不同，⽐如
long-context
和搜索的结合。
当模型完全不
hallucinate
或者概率⾮常低，就不需要解释了，因为它说的东西都是对的。⽽且解释有

运维复杂。 企业⽤户：需专业团队⽀持，部署前需评估ROI（投资回报率）。 ⼆、本地部署核⼼配置要求 1. 模型参数与硬件对应表 模型参 数 Windows 配置要求 Mac 配置要求 适⽤场景 1.5B - RAM: 4GB - GPU: 集成显卡/现代CPU - 存储: 5GB - 内存: 8GB （M1/M2/M3） - 存储: 5GB 简单⽂本⽣成、基础代 码补全 7B A100 等效A100（BF16） 2. 国产硬件推荐配置 模型参数 推荐⽅案 适⽤场景 1.5B 太初T100加速卡 个⼈开发者原型验证 14B 昆仑芯K200集群 企业级复杂任务推理 32B 壁彻算⼒平台+昇腾910B集群 科研计算与多模态处理 四、云端部署替代⽅案 1. 国内云服务商推荐 平台 核⼼优势 适⽤场景 硅基流动 官⽅推荐API，低延迟，⽀持多模态模型 企业级⾼并发推理 积 最低内存+显存需 求 适⽤场景 DeepSeek-R1-UD- IQ1_M 158 GB ≥200 GB 消费级硬件（如Mac Studio） DeepSeek-R1-Q4_K_M 404 GB ≥500 GB ⾼性能服务器/云GPU 下载地址： HuggingFace模型库 Unsloth AI官⽅说明 2. 硬件配置建议 硬件类型 推荐配置 性能表现（短⽂本⽣成） 消费级设备

OpenAI 作为 LLM 一哥的宏大叙事能力与强劲技术实力。 二、 New Bing（Bing AI）代表了微软在 LLM 领域的野心和 决心，它首次把当时世人能想到最有价值又可行的 LLM 应用场景——“智能对话+联网搜索”——无缝整合了起来， 大有干掉搜索行业和问答社区的趋势，而后事实证明，全 球 最 强 IT 问 答 社 区 Stack OverFlow 深 受 其 害 。 Google 原生的语境下， LLM 从一开始就是应用的中枢，应用本身的架构、功能、 交互层是围绕 LLM 中枢来构建的。也许 ChatGPT 是最 经典的“AI 原生”应用。此概念目前还处在萌芽期，明确 的概念、应用场景、架构、技术栈细节等尚未完成自洽。 换一种视角来看，这个概念的提出其实都没技术什么事， 有人称之为“造商业概念”，这里按下不表。 十、 镜头给到国内。相比国际上当前逢 AI 必 GenAI，国内更 切入，但实际上或多 或少与 GenAI 脱不开关系。 2023 年国内 LLM 发展活跃，从最初的百度文心一言“硬 刚”ChatGPT，到后来各式各样的大模型与产品出现，覆 盖了不同的领域和场景，构建了多元化的大模型生态。 大模型方面，百花齐放：百度的文心一言、抖音的云雀大模 型、智谱 AI 的 GLM 大模型、中科院的紫东太初大模型、 百川智能的百川大模型、商汤的日日新大模型、MiniMax

选择色域蒙版 拾色器面板的相关操作 编辑和创建自定义色域蒙版 导入和导出 新手入门 欢迎使用 Krita 手册！我们将在本章节引导你快速上手 Krita。 如果你已经有使用其他数字绘画软件的经验，我们推荐你阅读其他 软件用户入门 Krita章节。它介绍了 Krita 和其他软件在功能上的差 异，列举了重要功能基本操作方式，可以帮助你快速上手使用 Krita。 如果你是刚刚接触数字绘画的新手，安装小节介绍了如何安装 文件缩略图扩展程序 KDE 的默认文件管理器 Dolphin 从 2016 年 4 月起已经可以显示 KRA 和 ORA 文件的缩略图了，但 Nautilus 及其衍生项目需要安装 额外的扩展程序。我们推荐使用 Moritz Molch 开发的 XCF、 KRA、ORA 和 PSD 缩略图扩展程序 [https://moritzmolch.com/1749]。 AppImage 软件包 从 Krita 弹出操作搜索栏，搜索并调用所有可用的操作。 工作区选单 工具栏最右侧的按钮可以打开工作区选单，你可以用它加载不同的 工作区。Krita 提供了一系列工作区预设，每种工作区都包含了不 同的 Krita 界面配置，适用于不同的工作场景。 Workspace chooser button 弹出面板 弹出面板 是 Krita 的独特功能，旨在提高画师的工作效率。在使用 手绘笔刷工具时，在画布的任意一处点击右键 即可弹出。它是

选择色域蒙版 拾色器面板的相关操作 编辑和创建自定义色域蒙版 导入和导出 新手入门 欢迎使用 Krita 手册！我们将在本章节引导你快速上手 Krita。 如果你已经有使用其他数字绘画软件的经验，我们推荐你阅读其他软件用户入 门 Krita章节。它介绍了 Krita 和其他软件在功能上的差异，列举了重要功能基 本操作方式，可以帮助你快速上手使用 Krita。 如果你是刚刚接触数字绘画的新手，安装小节介绍了如何安装 弹出操作搜索栏，搜索并调用所有可用的操作。 工作区选单 工具栏最右侧的按钮可以打开工作区选单，你可以用它加载不同的工作区。 Krita 提供了一系列工作区预设，每种工作区都包含了不同的 Krita 界面配置， 适用于不同的工作场景。 Workspace chooser button 弹出面板 弹出面板 是 Krita 的独特功能，旨在提高画师的工作效率。在使用手绘笔刷工 具时，在画布的任意一处点击右键 即可弹出。它是一个圆形的面板，可供 柔的压力描绘时，线条会更加柔和，而当你加大压力时，线条边缘又会变 得硬朗起来。 分享笔刷预设 好了，你现在终于制作了一个笔刷。如果你想要分享它，你可以通过下面几种 方式来分享笔刷预设。 我们推荐你使用 Krita 的资源包系统来分享笔刷以及其他预设。我们在资源管 理页面对此进行了详细介绍。 不过我们也可以使用一些比较老派的方式来分享笔刷，它们在导入或者加载比 较老旧的资源包时说不定还能派上用场：

选择色域蒙版 拾色器面板的相关操作 编辑和创建自定义色域蒙版 导入和导出 新手入门 欢迎使用 Krita 手册！我们将在本章节引导你快速上手 Krita。 如果你已经有使用其他数字绘画软件的经验，我们推荐你阅读其他软件用户入 门 Krita章节。它介绍了 Krita 和其他软件在功能上的差异，列举了重要功能基 本操作方式，可以帮助你快速上手使用 Krita。 如果你是刚刚接触数字绘画的新手，安装小节介绍了如何安装 弹出操作搜索栏，搜索并调用所有可用的操作。 工作区选单 工具栏最右侧的按钮可以打开工作区选单，你可以用它加载不同的工作区。 Krita 提供了一系列工作区预设，每种工作区都包含了不同的 Krita 界面配置， 适用于不同的工作场景。 Workspace chooser button 弹出面板 弹出面板 是 Krita 的独特功能，旨在提高画师的工作效率。在使用手绘笔刷工 具时，在画布的任意一处点击右键 即可弹出。它是一个圆形的面板，可供 柔的压力描绘时，线条会更加柔和，而当你加大压力时，线条边缘又会变 得硬朗起来。 分享笔刷预设 好了，你现在终于制作了一个笔刷。如果你想要分享它，你可以通过下面几种 方式来分享笔刷预设。 我们推荐你使用 Krita 的资源包系统来分享笔刷以及其他预设。我们在资源管 理页面对此进行了详细介绍。 不过我们也可以使用一些比较老派的方式来分享笔刷，它们在导入或者加载比 较老旧的资源包时说不定还能派上用场：

选择色域蒙版 拾色器面板的相关操作 编辑和创建自定义色域蒙版 导入和导出 新手入门 欢迎使用 Krita 手册！我们将在本章节引导你快速上手 Krita。 如果你已经有使用其他数字绘画软件的经验，我们推荐你阅读其他软件用户入 门 Krita章节。它介绍了 Krita 和其他软件在功能上的差异，列举了重要功能基 本操作方式，可以帮助你快速上手使用 Krita。 如果你是刚刚接触数字绘画的新手，安装小节介绍了如何安装 弹出操作搜索栏，搜索并调用所有可用的操作。 工作区选单 工具栏最右侧的按钮可以打开工作区选单，你可以用它加载不同的工作区。 Krita 提供了一系列工作区预设，每种工作区都包含了不同的 Krita 界面配置， 适用于不同的工作场景。 Workspace chooser button 弹出面板 弹出面板 是 Krita 的独特功能，旨在提高画师的工作效率。在使用手绘笔刷工 具时，在画布的任意一处点击右键 即可弹出。它是一个圆形的面板，可供 柔的压力描绘时，线条会更加柔和，而当你加大压力时，线条边缘又会变 得硬朗起来。 分享笔刷预设 好了，你现在终于制作了一个笔刷。如果你想要分享它，你可以通过下面几种 方式来分享笔刷预设。 我们推荐你使用 Krita 的资源包系统来分享笔刷以及其他预设。我们在资源管 理页面对此进行了详细介绍。 不过我们也可以使用一些比较老派的方式来分享笔刷，它们在导入或者加载比 较老旧的资源包时说不定还能派上用场：