你们会用deepseek吗？
最近我看到很多信息，包括reddit， youtube，都在向我展现了deepseek的威力，据说deepseek的调用量远远大于其他模型。
当然这里面的原因也是很简单的：因为deepseek足够便宜，然后能力又还差不多。
我个人是把一些Agent接到了deepseek上。我实在没办法去用claude或者gpt，太贵了。20美元/月的quota远远不能满足我的需求啊。那就订200美元，那又实在太高了。我还远远不能用它来盈利，怎么可能在此花费那么高的成本？
关键是很多西方的中小公司都在调用它。
所以我觉得deepseek还是有它的鲇鱼效应的。当然在蒸馏这件事上我不好做价值判断：确实我没有这个能力做判断。这个事情只能交给openai, gemini, claude这些大模型的厂商亲自来做了。我们很难对此置喙。
我是觉得能够用上平民化的价格，对谁来说都是好事。
我不知道品葱的人们会不会用Agent，需不需要调用这背后的大模型。可能你不需要，那这个话题对你来说也就没有多大意义了。
当然这里面的原因也是很简单的：因为deepseek足够便宜，然后能力又还差不多。
我个人是把一些Agent接到了deepseek上。我实在没办法去用claude或者gpt，太贵了。20美元/月的quota远远不能满足我的需求啊。那就订200美元，那又实在太高了。我还远远不能用它来盈利，怎么可能在此花费那么高的成本？
关键是很多西方的中小公司都在调用它。
所以我觉得deepseek还是有它的鲇鱼效应的。当然在蒸馏这件事上我不好做价值判断：确实我没有这个能力做判断。这个事情只能交给openai, gemini, claude这些大模型的厂商亲自来做了。我们很难对此置喙。
我是觉得能够用上平民化的价格，对谁来说都是好事。
我不知道品葱的人们会不会用Agent，需不需要调用这背后的大模型。可能你不需要，那这个话题对你来说也就没有多大意义了。
中国的傻B的
新注册用户 (待解除)
对弱智来说，ai是需要的，未来还会变成必须的。
就像对废物来说，玩网是必要的，结果就是互联网成为粪坑，任何地方都不例外。
ai现在还没有完全成为这种东西，因为还不够无脑。
现在用还有点图一乐看个热闹的价值，普及了再用跟吃屎就没有区别了。
不过也没什么变化就是了，反正网友本就天天吃屎，嫌弃不够还得满世界找。
就像对废物来说，玩网是必要的，结果就是互联网成为粪坑，任何地方都不例外。
ai现在还没有完全成为这种东西，因为还不够无脑。
现在用还有点图一乐看个热闹的价值，普及了再用跟吃屎就没有区别了。
不过也没什么变化就是了，反正网友本就天天吃屎，嫌弃不够还得满世界找。
deepseek 与 grok 都在我抵制列表里, 还有什么狗屎文心一言等,
若 AI 跟智能手机重要性相若了,
我去部署边缘 AI 也不会用这些匪产的 "政治说服机器人".
若 AI 跟智能手机重要性相若了,
我去部署边缘 AI 也不会用这些匪产的 "政治说服机器人".
井水不犯河水，山猪不吃细糠。中国特色的玩艺儿是支那猪专属，其他人消受不起支里支气。
简单的问题就用国产的，不用白不用，关键问题还是gemini解决，之前让ai帮忙分析将每个月的日期按星期划分，所有国产ai都搞错了，gemini一秒钟解决。
更便宜的token，更多的用户，更多的算力放到推理而非训练，怎么就对所有人有利了？
模型训练的核心是单一同步域显卡集群，单纯比较总量算力意义不大。决定token价格的则是显卡的机会成本，中国a100时代留下的42个万卡集群24年后基本上无法用于模型训练，显卡的机会成本很低(虽然实际推理成本更高，但是token价格很低，反正只有走私的千级显卡可以做单一同步域显卡集群训练，存量显卡闲着也是闲着，多卖点推理服务赚钱。)
还有agent用deepseek(ー_ー)!!？deepseek 25年吹上天的GRPO方案在agent后训练上面是大坑，只是单轮tooluse的话可以直接到openrouter/Google Ai Studio用免费额度
模型训练的核心是单一同步域显卡集群，单纯比较总量算力意义不大。决定token价格的则是显卡的机会成本，中国a100时代留下的42个万卡集群24年后基本上无法用于模型训练，显卡的机会成本很低(虽然实际推理成本更高，但是token价格很低，反正只有走私的千级显卡可以做单一同步域显卡集群训练，存量显卡闲着也是闲着，多卖点推理服务赚钱。)
还有agent用deepseek(ー_ー)!!？deepseek 25年吹上天的GRPO方案在agent后训练上面是大坑，只是单轮tooluse的话可以直接到openrouter/Google Ai Studio用免费额度
已隐藏
已隐藏
支那猪自愿贱卖自己的劳动力为全世界生产廉价产品，为何不用
已隐藏
墙内的AI不能解决意识形态层次的问题。我倒是好奇像deepseek这样的AI，用境外手机号注册，或者用境外流量使用的话，还需不需要服从党的领导。
deepseek价格上存在优势，但是AI幻觉确实有些问题，综合来看在某些场景下还是可以用用。
Deepseek这个墙内大吹特吹的东西，我偶尔无法翻墙是会用的
有时候问题不是很复杂，我认为它可能搞得定，很多次我满怀期待打开它，然后看到一堆弱智回复。
有时候问题不是很复杂，我认为它可能搞得定，很多次我满怀期待打开它，然后看到一堆弱智回复。
muse spark的价格比deepseek低，gpt luna和deepseek价格差不多。deepseek只适合不能翻墙的人。
已隐藏
darkmoon德滿
新注册用户 (待解除)
除非你被牆到上不了外網，否則根本沒理由去用 DeepSeek！我自己用 Gemini 都用得愈來愈火大。不過說實話，絕大多數人本來就沒必要花錢去付費使用。在牆內用那是迫不得已，那些天天吹捧說為了開源、為了便宜才用的人，九成九都是在裝腔作勢、扮高深！
用Agent？什么免费你就用/薅什么，前一阵免费用qwen/qoder 发现基本活都能干，注意非实名无支付账号，全虚拟机环境，数据随它收集
已隐藏
kobeko
新注册用户 (待解除)
不会用，除非在特殊情况下，比如没有其它选择，或者deepseek推出完全免费且高效的服务
没听说过 搜索了一下发现是中共得垃圾 网站都打不开 用不了 一看就是骗子
已隐藏
已隐藏
地雷系，我劝你多用
我司各种顶级模型token不限量随便用，没人用DeepSeek这种破烂。
会。
deepseek容易破甲，而且API便宜。不过最近Chatgpt Luna出了，价格比deepseek还有竞争力，如果复杂任务肯定是优先chatgpt和claude的。
deepseek容易破甲，而且API便宜。不过最近Chatgpt Luna出了，价格比deepseek还有竞争力，如果复杂任务肯定是优先chatgpt和claude的。
本人非it行业。
之前所在的日企，浏览网站要求直接禁用baidu。
至于私人方面，注册deepseek还需要手机号。凡是要个人信息的一律不用。
之前所在的日企，浏览网站要求直接禁用baidu。
至于私人方面，注册deepseek还需要手机号。凡是要个人信息的一律不用。
我女人经常帮我deepsuck，不是因为她深爱我，只是因为我小黄蛆短而已
不会。
首先我知道现在有非常多的人喜欢吹国产开源模型，理由又是那些老掉牙的回答，无非是 DeepSeek 便宜实惠，能力又接近 Claude 或者 GPT，性价比非常高。但我要先说明一件事：99% 的人根本没有使用开源模型的需求。因为99% 的人压根就没有开发需求。很多人现在是整魔怔了，我先说个暴论，大部分人的日常需求，甚至就连豆包都能满足。至于为什么很多人觉得不够用，这个我后面会说。
1.吹开源的人，绝大多数根本没在用开源
满血 DeepSeek 是 671B 的 MoE，光权重 FP8 就要几百 GB 显存，个人设备连门都摸不到。所以他们嘴里的"我用 DeepSeek"，实际上是在调官网或者第三方 API——那本质还是在用别人的云服务，跟"开源"这个卖点一毛钱关系都没有。
剩下那部分是在本地跑 7B、32B 的蒸馏版，然后拿这个的表现去论证"国产开源已经接近 Claude 了"。这就是纯粹的偷换概念。
2.所谓"能力差不多"的那些跑分
真了解一点的人就知道，AI 测评在很大程度上是个自说自话的东西，是黑箱。
这跟手机跑分是一个道理，但它比手机跑分还黑。手机跑分起码底下还压着硬件，制程、核心、频率、散热是实打实的物理存在，你可以拆开验，可以用别的方式交叉验证。而模型的分数背后是什么？没有任何东西可以让你独立复现。
而且模型这边还有一个手机没有的作弊路径：测试集污染。主流 benchmark 的题目全在公开网络上躺着，训练数据里有没有、有多少，只有厂商自己知道，外面根本查不了。刷一个特定榜单的分，成本远低于真正提升泛化能力。
所以你会经常看到那种榜单上打平甚至反超、一上手实际任务立刻现原形的模型。差距不在题目里，在长上下文的稳定性、指令遵循的精度、agent 场景下的连续决策这些根本没法用一个数字概括的地方。
说白了，跑分是厂商发的成绩单，不是第三方出的体检报告。你信它，是因为你没有验证手段，不是因为它可信。
3.那如果你真从事编程呢？
真正干这行的知道我在说什么——实际业务里大头是 CRUD、样板代码、配置、调试、写测试，真正需要顶级推理能力的场景占比极小。你们会发现实际工作里连 Claude Fable 都用不上，Sonnet 这一档就已经溢出了，性能是过剩的。
既然性能都是过剩的，额度自然也是够用的。现在 Codex 的 Plus 对绝大多数人的工作量来说根本就是富余的，甚至很多人连 Claude 的免费额度都用不完。
那些嚷嚷额度不够用的，只有两种人。一种是真正骨灰级、工作中重度产出的——而对这批人来说，模型这点钱根本不算钱，什么好用就用什么，完事了。所以"便宜"这个卖点在专业场景里其实是自我否定的：一个工程师的时薪摆在那，省下的那几十刀，还不如换个顺手的工具多产出半小时。只有在你的产出本身不值钱的时候，省这点钱才划算——而这恰恰说明，你不是需要它的那批人。
另一种，就是下面要说的了。
4.屁事没有还能把额度烧完的人
非常抱歉，大概率不是你事情多，而是你根本就不会用 AI，连斜杠命令都不知道有。
"额度不够"在九成情况下是上下文管理事故，不是工作量事故。不做管理的人，一个 session 就能把几十万 token 烧在读无关文件、反复重试、把整个仓库怼进上下文上面。会用的人有 CLAUDE.md、有斜杠命令、有明确的任务边界，该 compact 就 compact。同样的活，token 消耗能差一个数量级。
但更深一层的东西是：token 消耗真正的分水岭，不在于你会不会用 AI，而在于你自己的工程能力有多强。
这两件事经常被混为一谈，其实完全不是一回事。前者是操作技巧，后者是决策能力，而决策能力才是 token 的真正大头。
你想想一个什么都不懂的人是怎么用 AI 做项目的：技术选型交给 AI，那就是一轮又一轮的探索性对话，让它列方案、比优劣、讲取舍。架构怎么切也交给 AI，又是几轮。然后开始写，写完他看不懂，所以 AI 的每一次输出都必须附带大段自然语言解释，否则他没法验收——他的 token 里有很大一部分根本不是在生产代码，是在生产给他看的说明文。再往后，方案本身是错的，但他判断不出来，要走三四轮才撞墙，前面所有的上下文全部变成沉没成本，推倒重来。出了 bug 他也定位不了，只能让 AI 满仓库去搜、去读、去猜。
整个流程里，AI 同时扮演了架构师、实现者、讲师和验收方，四个角色的 token 全在他账上。而其中三个角色的钱，本来是不用花的。
而你自己懂的时候呢？技术选型你心里早就有数了，这部分对话根本不发生。架构边界是你划的，你直接把接口、数据结构、约束条件写清楚。定位问题你自己看堆栈，直接甩文件路径加行号，而不是"你帮我找找哪里错了"。
你给 AI 的不是意图，是规格。AI 在这里被降格成了纯执行层，一个高级的、能理解自然语言的代码生成器，仅此而已。
这带来的差别是结构性的，不是量级上的：
你越强，AI 越省；你越菜，AI 越贵。
这跟很多人的直觉正好相反——他们以为不会写代码的人才最该用 AI，实际上不会写代码的人用 AI 的单位成本是最高的，因为他必须为自己缺失的判断力付费，而这个费用是按 token 计的。
所以回到开头那句：大部分情况不是 AI 太笨了，而是你根本不会用 AI。那些天天喊额度不够的人，真该想想自己烧掉的那些 token，到底是在解决问题，还是在替自己补课。
最后堵两个口子，省得有人拿这个来杠
私有化部署是真需求。金融、政务、医疗这种数据不能出内网的场景，开源权重是刚需，这个我完全承认。但这跟"个人用户在网上吹 DeepSeek 性价比"是两码事。
可及性是真问题。墙内用户访问 Claude/GPT 确实有支付和合规门槛，这是客观存在的。但这是"用不了"，不是"不如"——请把这两件事分开说。
首先我知道现在有非常多的人喜欢吹国产开源模型，理由又是那些老掉牙的回答，无非是 DeepSeek 便宜实惠，能力又接近 Claude 或者 GPT，性价比非常高。但我要先说明一件事：99% 的人根本没有使用开源模型的需求。因为99% 的人压根就没有开发需求。很多人现在是整魔怔了，我先说个暴论，大部分人的日常需求，甚至就连豆包都能满足。至于为什么很多人觉得不够用，这个我后面会说。
1.吹开源的人，绝大多数根本没在用开源
满血 DeepSeek 是 671B 的 MoE，光权重 FP8 就要几百 GB 显存，个人设备连门都摸不到。所以他们嘴里的"我用 DeepSeek"，实际上是在调官网或者第三方 API——那本质还是在用别人的云服务，跟"开源"这个卖点一毛钱关系都没有。
剩下那部分是在本地跑 7B、32B 的蒸馏版，然后拿这个的表现去论证"国产开源已经接近 Claude 了"。这就是纯粹的偷换概念。
2.所谓"能力差不多"的那些跑分
真了解一点的人就知道，AI 测评在很大程度上是个自说自话的东西，是黑箱。
这跟手机跑分是一个道理，但它比手机跑分还黑。手机跑分起码底下还压着硬件，制程、核心、频率、散热是实打实的物理存在，你可以拆开验，可以用别的方式交叉验证。而模型的分数背后是什么？没有任何东西可以让你独立复现。
而且模型这边还有一个手机没有的作弊路径：测试集污染。主流 benchmark 的题目全在公开网络上躺着，训练数据里有没有、有多少，只有厂商自己知道，外面根本查不了。刷一个特定榜单的分，成本远低于真正提升泛化能力。
所以你会经常看到那种榜单上打平甚至反超、一上手实际任务立刻现原形的模型。差距不在题目里，在长上下文的稳定性、指令遵循的精度、agent 场景下的连续决策这些根本没法用一个数字概括的地方。
说白了，跑分是厂商发的成绩单，不是第三方出的体检报告。你信它，是因为你没有验证手段，不是因为它可信。
3.那如果你真从事编程呢？
真正干这行的知道我在说什么——实际业务里大头是 CRUD、样板代码、配置、调试、写测试，真正需要顶级推理能力的场景占比极小。你们会发现实际工作里连 Claude Fable 都用不上，Sonnet 这一档就已经溢出了，性能是过剩的。
既然性能都是过剩的，额度自然也是够用的。现在 Codex 的 Plus 对绝大多数人的工作量来说根本就是富余的，甚至很多人连 Claude 的免费额度都用不完。
那些嚷嚷额度不够用的，只有两种人。一种是真正骨灰级、工作中重度产出的——而对这批人来说，模型这点钱根本不算钱，什么好用就用什么，完事了。所以"便宜"这个卖点在专业场景里其实是自我否定的：一个工程师的时薪摆在那，省下的那几十刀，还不如换个顺手的工具多产出半小时。只有在你的产出本身不值钱的时候，省这点钱才划算——而这恰恰说明，你不是需要它的那批人。
另一种，就是下面要说的了。
4.屁事没有还能把额度烧完的人
非常抱歉，大概率不是你事情多，而是你根本就不会用 AI，连斜杠命令都不知道有。
"额度不够"在九成情况下是上下文管理事故，不是工作量事故。不做管理的人，一个 session 就能把几十万 token 烧在读无关文件、反复重试、把整个仓库怼进上下文上面。会用的人有 CLAUDE.md、有斜杠命令、有明确的任务边界，该 compact 就 compact。同样的活，token 消耗能差一个数量级。
但更深一层的东西是：token 消耗真正的分水岭，不在于你会不会用 AI，而在于你自己的工程能力有多强。
这两件事经常被混为一谈，其实完全不是一回事。前者是操作技巧，后者是决策能力，而决策能力才是 token 的真正大头。
你想想一个什么都不懂的人是怎么用 AI 做项目的：技术选型交给 AI，那就是一轮又一轮的探索性对话，让它列方案、比优劣、讲取舍。架构怎么切也交给 AI，又是几轮。然后开始写，写完他看不懂，所以 AI 的每一次输出都必须附带大段自然语言解释，否则他没法验收——他的 token 里有很大一部分根本不是在生产代码，是在生产给他看的说明文。再往后，方案本身是错的，但他判断不出来，要走三四轮才撞墙，前面所有的上下文全部变成沉没成本，推倒重来。出了 bug 他也定位不了，只能让 AI 满仓库去搜、去读、去猜。
整个流程里，AI 同时扮演了架构师、实现者、讲师和验收方，四个角色的 token 全在他账上。而其中三个角色的钱，本来是不用花的。
而你自己懂的时候呢？技术选型你心里早就有数了，这部分对话根本不发生。架构边界是你划的，你直接把接口、数据结构、约束条件写清楚。定位问题你自己看堆栈，直接甩文件路径加行号，而不是"你帮我找找哪里错了"。
你给 AI 的不是意图，是规格。AI 在这里被降格成了纯执行层，一个高级的、能理解自然语言的代码生成器，仅此而已。
这带来的差别是结构性的，不是量级上的：
- 上下文投喂粒度从"整个目录"降到"这三个函数"
- 单次命中率大幅上升，因为规格明确的任务本来就不容易做错
- 返工率趋近于零，因为方向是你定的，不会走到第三轮才发现路线本身有问题
- 验收成本几乎为零，你扫一眼 diff 就知道对不对，不需要 AI 反过来给你讲课
你越强，AI 越省；你越菜，AI 越贵。
这跟很多人的直觉正好相反——他们以为不会写代码的人才最该用 AI，实际上不会写代码的人用 AI 的单位成本是最高的，因为他必须为自己缺失的判断力付费，而这个费用是按 token 计的。
所以回到开头那句：大部分情况不是 AI 太笨了，而是你根本不会用 AI。那些天天喊额度不够的人，真该想想自己烧掉的那些 token，到底是在解决问题，还是在替自己补课。
最后堵两个口子，省得有人拿这个来杠
私有化部署是真需求。金融、政务、医疗这种数据不能出内网的场景，开源权重是刚需，这个我完全承认。但这跟"个人用户在网上吹 DeepSeek 性价比"是两码事。
可及性是真问题。墙内用户访问 Claude/GPT 确实有支付和合规门槛，这是客观存在的。但这是"用不了"，不是"不如"——请把这两件事分开说。
