文档教程知识库人工智能【免费下载链接】ai-guide程序员鱼皮的 AI 资源大全 Vibe Coding 零基础教程分享 OpenClaw 保姆级教程、大模型玩法DeepSeek / GPT / Gemini / Claude / GLM、最新 AI 资讯、Prompt 提示词大全、AI 知识百科Agent Skills / RAG / MCP / A2A、AI 编程教程Harness Engineering、AI 工具用法Cursor / Claude Code / TRAE / Codex / Copilot、AI 开发框架教程Spring AI / LangChain、AI 产品变现指南帮你快速掌握 AI 技术走在时代前沿。本项目为开源文档 aiguide已升级为鱼皮 AI 导航网站项目地址https://gitcode.com/GitHub_Trending/aig/ai-guide点击查看免费下载本文以 ai-guide 仓库中 DeepSeek 开源项目 文档为骨架系统梳理 DeepSeek 官方在 GitHub 开源的十余个模型仓库R1/V3/V2、Coder 系列、VL 系列、Math、Janus、DreamCraft3D 等并盘点社区围绕 DeepSeek 构建的集成、部署与复现类开源项目。结合仓库内 DeepSeek 技术解析文档你将理解每个项目背后的架构要点MoE、MLA、GRPO、蒸馏等学会按任务场景快速选型、上手使用。一、DeepSeek 开源版图为什么值得关注DeepSeek 自 2023 年成立以来以开源 高性价比路线在基础大模型赛道快速站稳脚跟。据仓库内技术解析文档DeepSeek 于 2023 年 11 月发布 DeepSeek Coder随后推出 DeepSeek LLM 67B2024 年 5 月 DeepSeek-V2 以多头潜在注意力MLA与高性价比引发市场关注2025 年 1 月开源的 DeepSeek-R1 更将开源模型的推理能力推至新高度可对标 OpenAI 闭源的 o1 系列模型详见 DeepSeek技术解读从V3到R1的MoE架构创新。目前 DeepSeek 的官方开源仓库分布在 GitHub 的 deepseek-ai 组织下覆盖通用语言模型、推理模型、代码模型、数学模型、多模态视觉-语言模型、多模态生成模型六大类同时社区生态中也涌现出集成、复现、部署三大类衍生项目。先看官方开源项目的完整清单项目名称项目链接简介DeepSeek-R1https://github.com/deepseek-ai/DeepSeek-R1DeepSeek的旗舰语言模型提供高质量的响应支持多种自然语言处理任务DeepSeek-V3https://github.com/deepseek-ai/DeepSeek-V3DeepSeek的第三个版本采用创新的混合专家架构MoE支持多模态搜索DeepSeek-V2https://github.com/deepseek-ai/DeepSeek-V2一款强大、经济高效的专家混合语言模型DeepSeek-Coder-V2https://github.com/deepseek-ai/DeepSeek-Coder-V2采用混合专家Mixture-of-ExpertsMoE架构突破闭源模型在代码智能中的壁垒DeepSeek-Coderhttps://github.com/deepseek-ai/DeepSeek-Coder用于辅助代码编写的AI工具支持多种编程语言DeepSeek-LLMhttps://github.com/deepseek-ai/DeepSeek-LLM提供准确可靠答案的综合语言模型Janushttps://github.com/deepseek-ai/Janus统一的多模态理解与生成模型DreamCraft3Dhttps://github.com/deepseek-ai/DreamCraft3D基于引导扩散先验的分层3D生成模型的官方实现DeepSeek-Mathhttps://github.com/deepseek-ai/DeepSeek-Math通过增强模型的数学理解和推理能力突破传统语言模型在数学领域的限制可处理符号计算、定理证明等复杂数学推理任务DeepSeek-MoEhttps://github.com/deepseek-ai/DeepSeek-MoE创新的混合专家架构模型支持高效推理DeepSeek-VL2https://github.com/deepseek-ai/DeepSeek-VL2用于先进多模态理解的专家混合视觉-语言模型DeepSeek-VLhttps://github.com/deepseek-ai/DeepSeek-VL通过深度学习技术增强视觉和语言的融合解决复杂的视觉-语言任务二、官方开源项目逐个拆解2.1 DeepSeek-R1旗舰推理模型DeepSeek-R1 是 DeepSeek 的旗舰推理Reasoning模型也是当前开源世界中推理能力最具代表性的作品之一。它建立在 DeepSeek-V3 的 MoE 架构之上总参数 671B、每个 Token 激活 37B 参数上下文长度 128K。据仓库内 DeepSeek-R1的四个训练阶段 文档R1 的训练分为两个 SFT 阶段和两个 RL 阶段冷启动CoT SFT用人工收集的数千条高质量长链思维CoT数据对基座模型 DeepSeek-V3-Base 做监督微调解决直接从基座启动强化学习导致的输出混乱、语言混杂问题面向推理的强化学习RL采用 GRPO分组相对策略优化算法以准确性奖励 格式奖励 语言一致性奖励驱动模型在数学、代码、科学等推理密集型任务上提升拒绝采样与 SFT从上一阶段 RL 检查点做拒绝采样筛选出约 60 万条高质量推理轨迹再混合约 20 万条非推理数据写作、事实问答等对模型进行两轮监督微调全场景强化学习与对齐推理任务沿用规则奖励通用任务使用奖励模型评估人类偏好最终得到兼顾推理能力、实用性与无害性的 R1 模型。R1 仓库还包含其无监督觉醒前身DeepSeek-R1-Zero纯强化学习、无 SFT 训练的实验模型验证了大模型推理能力可以仅通过 RL 涌现以及蒸馏出的DeepSeek-R1-Distill 系列小模型。据仓库技术文档蒸馏系列覆盖 Qwen2.51.5B/7B/14B/32B与 Llama8B/70B等多个基座使 Dense 稠密小模型也获得不错的推理能力适合资源受限场景详见 DeepSeek技术解读从V3到R1的MoE架构创新。2.2 DeepSeek-V3MoE 架构的通用基座DeepSeek-V3 是 R1 的基座模型也是 DeepSeek 技术创新的集大成者。据仓库技术解析文档其关键架构事实包括参数规模总参数 671B每个 Token 仅激活约 37B 参数参数量与 GPT-4 大致同一数量级DeepSeekMoE 架构每个 MoE 层包含 1 个共享专家 256 个路由专家全模型共 58 个 MoE 层、14906 个专家每个 Token 激活 8 个路由专家共享专家负责提取跨任务的共性特征以减少参数冗余路由专家按门控权重被稀疏激活多头潜在注意力MLA对注意力键值做低秩联合压缩显著减小 KV 缓存、降低推理内存占用与成本无辅助损失负载均衡为每个专家维护可动态调整的偏置项在不引入辅助损失函数的前提下平衡专家负载避免路由崩溃并辅以序列级负载均衡多令牌预测MTP主模型之外叠加 MTP 模块同时预测多个未来 Token提升训练数据利用效率与推理生成速度高效训练体系基于自研 HAI-LLM 框架使用 FP8 混合精度训练、DualPipe 双向流水线、跨节点 All-to-All 通信内核等软硬件协同优化以 14.8 万亿 Token 数据完成预训练上下文分两阶段扩展到 128K。对于想要低成本自建大模型基座、做二次微调或部署到私有环境的团队V3 仓库是首选入口对推理链路、成本控制等技术细节感兴趣的读者可进一步阅读仓库内 DeepSeek-V3 高效训练关键技术分析。2.3 DeepSeek-V2经济高效的 MoE 先导DeepSeek-V2 发布于 2024 年 5 月是 DeepSeek 在 MoE 架构上打出的重要一役。它是首个大规模引入多头潜在注意力MLA的模型通过将 KV 缓存压缩为低秩潜向量大幅降低推理时的显存与带宽开销配合 DeepSeekMoE 架构实现了高性价比的推理。据仓库技术文档V2 之后 DeepSeek 还发布了 V2.5 迭代版本并用于生成 V3 的非推理 SFT 数据。V2 仓库适合研究 MLA 机制演进与 MoE 负载均衡策略的开发者其架构思路在 V3、R1 中得到了延续。2.4 DeepSeek-Coder 系列代码智能双雄DeepSeek-CoderDeepSeek 最早发布的代码模型2023 年 11 月支持多种编程语言用于辅助代码编写、代码补全与生成任务是 DeepSeek 切入基础大模型赛道的起点。DeepSeek-Coder-V2在 Coder 基础上引入混合专家MoE架构主打突破闭源模型在代码智能中的壁垒。据仓库内学习资料其对应论文《DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence》介绍了从数据构建、预训练、指令微调到强化学习的完整训练流程。两个仓库均提供模型权重、推理脚本与评测配置是研究开源代码大模型、搭建企业级代码智能助手的重要参考。2.5 DeepSeek-LLM通用语言基座DeepSeek-LLM 是 DeepSeek 的通用语言模型含 67B 参数版本提供准确可靠的自然语言问答能力。据仓库学习资料中收录的论文摘要该项目在扩展开源语言模型方面的做法是使用约 2 万亿 Token 的多语言数据集进行预训练。它适合作为理解 DeepSeek 早期训练路线预训练数据配比、SFT、RLHF 对齐的起点仓库。2.6 DeepSeek-Math数学推理专项DeepSeek-Math 专注数学理解与推理通过增强模型的数学能力突破传统语言模型在数学领域的限制能够处理符号计算、定理证明等更复杂的数学推理任务。它可作为数学解题、科研辅助、教育场景模型的选型参考也为理解 R1 系列以数学/代码为 RL 训练主战场的思路提供了背景。2.7 DeepSeek-MoE混合专家架构实验场DeepSeek-MoE 是 DeepSeek 在 MoE 路线上的早期实验仓库验证了混合专家架构在训练与推理上的可行性主打高效推理。相比 V2/V3 的成熟产品级实现该仓库更适合研究者追溯 MoE 架构在 DeepSeek 内部从实验到落地的演进脉络。2.8 DeepSeek-VL / DeepSeek-VL2视觉-语言理解DeepSeek-VL通过深度学习技术增强视觉与语言的融合解决复杂的视觉-语言任务是 DeepSeek 在 2024 年初推出的多模态模型对应论文为《DeepSeek-VL: Towards Real-World Vision-Language Understanding》。DeepSeek-VL2升级为专家混合MoE架构的视觉-语言模型用于更先进的多模态理解在图文理解、视觉问答、文档解析等场景表现更优。这两个仓库适合对开源多模态模型、图文检索与视觉问答感兴趣的开发者也便于理解 DeepSeek 如何将 MoE 技术从纯语言模型迁移到多模态领域。2.9 Janus统一多模态理解与生成Janus 是 DeepSeek 提出的统一多模态理解与生成模型。与常见的编码器 扩散解码器两段式方案不同Janus 在单一模型中同时处理图像理解自回归与图像生成扩散任务其设计思路对研究多模态大模型架构融合具有参考价值。仓库提供模型权重、训练代码与评测脚本适合作为多模态生成研究的基线。2.10 DreamCraft3D3D 内容生成DreamCraft3D 是基于引导扩散先验的分层 3D 生成模型的官方实现。它将扩散模型如 2D 扩散先验引入 3D 生成管线通过多阶段优化从单张图片生成高质量 3D 资产属于 DeepSeek 官方开源项目中少见的 3D 生成方向。对 3D 资产生成、NeRF/3DGS 相关方向感兴趣的开发者可以直接在本仓库中获取完整训练与推理代码。三、其他相关 DeepSeek 开源项目围绕 DeepSeek社区形成了覆盖 API 集成、免费接入、桌面客户端、算法复现、部署教程等维度的衍生生态。完整清单如下项目名称项目链接简介DeepSeek-API-Integrationhttps://github.com/deepseek-ai/awesome-deepseek-integration整理了DeepSeek API的集成应用支持多种平台和语言GPT4Freehttps://github.com/xtekky/gpt4free提供免费访问DeepSeek V3 R1等模型的接口CherryStudiohttps://github.com/CherryHQ/cherry-studio支持包括DeepSeek-R1在内的多款LLM的桌面客户端TinyZerohttps://github.com/Jiayi-Pan/TinyZero伯克利团队复现DeepSeek R1-Zero的项目simpleRL-reasonhttps://github.com/hkust-nlp/simpleRL-reason港科大团队复现DeepSeek R1-Zero和R1的项目DeepSeek-Freehttps://github.com/deepseek-free/deepseek-free提供DeepSeek部署教程和免费API接口Unlock-DeepSeekhttps://github.com/datawhalechina/unlock-deepseek面向AI研究爱好者的DeepSeek系列工作解读和复现3.1 DeepSeek-API-Integrationawesome-deepseek-integration由 DeepSeek 官方deepseek-ai 组织维护的 API 集成资源合集汇总了多种平台、多种语言调用 DeepSeek API 的接入示例与第三方应用。它是开发者接入 DeepSeek API 时的第一站无论你使用 Python、JavaScript/TypeScript、Java还是需要在微信机器人、Web 应用、IDE 插件等场景中接入都可以在此仓库找到可复用的集成代码。配合 DeepSeek 官方链接 文档中收录的官方 API 文档入口可快速完成鉴权、调用与错误排查。3.2 GPT4FreeGPT4Free 是一个提供免费大模型接口的知名开源项目其功能列表中包含对 DeepSeek V3 R1 等模型的访问接口。适合个人学习、低流量实验场景用于快速验证 DeepSeek 模型的输出效果若用于生产环境应优先考虑官方 API 或自建部署以保障服务稳定性与数据安全。3.3 CherryStudioCherryStudio 是支持多款 LLM 的桌面客户端内置对 DeepSeek-R1 等模型的支持可同时管理 API 调用与本地模型。据仓库内 DeepSeek 学习资料 收录的教程社区常用CherryStudio 硅基流动的方式实现 DeepSeek 的零代码本地部署尤其适合算力有限、又希望保护数据隐私的个人用户。这也是普通用户体验 DeepSeek-R1 满血版的最便捷入口之一。3.4 TinyZero 与 simpleRL-reasonR1 的复现研究TinyZero加州大学伯克利分校团队的项目复现 DeepSeek R1-Zero 的纯强化学习路线。其价值在于以极低成本验证无监督微调、纯 RL 即可涌现推理能力这一核心发现为学术研究和小规模复现提供了轻量基线。simpleRL-reason香港科技大学 NLP 团队的项目复现 DeepSeek R1-Zero 和 R1 的强化学习训练流程代码结构简洁适合作为 RL 训练推理模型的入门教材。两者都是理解 R1 训练机制GRPO、规则奖励、格式奖励、语言一致性奖励的重要参考实现与仓库内 DeepSeek-R1的四个训练阶段 文档相互印证。3.5 DeepSeek-Free 与 Unlock-DeepSeek部署与学习DeepSeek-Free提供 DeepSeek 部署教程与免费 API 接口目标用户是希望低成本快速体验或部署 DeepSeek 模型的开发者和个人用户。仓库内 DeepSeek 官方链接 文档也收录了该团队整理的免费使用指南。Unlock-DeepSeek由 Datawhale 开源社区维护面向 AI 研究爱好者对 DeepSeek 系列工作进行解读和复现覆盖 R1/V3 等核心模型的技术拆解与代码实践是系统学习 DeepSeek 原理的优质中文资料。四、选型与上手建议综合官方仓库与社区项目可以按以下思路快速落地按任务选模型推理密集型任务数学、代码、逻辑优先选择 DeepSeek-R1 或其蒸馏小模型如 R1-Distill-Qwen-32B、R1-Distill-Llama-70B通用对话、内容创作、知识问答等场景选择 DeepSeek-V3需要视觉理解选择 DeepSeek-VL2代码补全与生成选择 DeepSeek-Coder-V2。按接入方式选路径需要稳定生产服务时使用 DeepSeek 官方 API参考 awesome-deepseek-integration 的集成示例对数据隐私敏感或追求可控性时参考 DeepSeek-Free 的部署教程做私有化部署个人体验与调试则可用 CherryStudio 桌面客户端快速上手。按研究目的选仓库研究 MoE 架构与训练效率看 V3 与 DeepSeek-MoE研究强化学习推理复现看 TinyZero 与 simpleRL-reason系统学习系列技术解读看 Unlock-DeepSeek 及仓库内技术解析文档。五、延伸阅读DeepSeek 开源项目本文出处DeepSeek 官方链接官网、网页版、App、GitHub 组织与社区账号DeepSeek 学习资料教程、论文与技术研究资料汇总DeepSeek 资源汇总首页DeepSeek技术解读从V3到R1的MoE架构创新MLA、DeepSeekMoE、FP8、DualPipe 架构详解DeepSeek-R1 技术全景解析V3 / R1-Zero / R1 三条技术路线对比DeepSeek-R1的四个训练阶段R1 冷启动、推理 RL、拒绝采样 SFT、全场景 RL 四阶段DeepSeek-V3 高效训练关键技术分析从模型架构、并行策略、通信优化到显存优化赞分享文档教程知识库人工智能【免费下载链接】ai-guide程序员鱼皮的 AI 资源大全 Vibe Coding 零基础教程分享 OpenClaw 保姆级教程、大模型玩法DeepSeek / GPT / Gemini / Claude / GLM、最新 AI 资讯、Prompt 提示词大全、AI 知识百科Agent Skills / RAG / MCP / A2A、AI 编程教程Harness Engineering、AI 工具用法Cursor / Claude Code / TRAE / Codex / Copilot、AI 开发框架教程Spring AI / LangChain、AI 产品变现指南帮你快速掌握 AI 技术走在时代前沿。本项目为开源文档 aiguide已升级为鱼皮 AI 导航网站项目地址https://gitcode.com/GitHub_Trending/aig/ai-guide点击查看免费下载相关推荐vue-i18n 工具链全景指南官方插件、Loader、模块与第三方生态vue i18n 工具链全景指南官方插件、Loader、模块与第三方生态 vue i18n 是 Vue.js 的国际化i18n插件围绕它官方与社区沉淀了前端国际化Rust 工具链全景指南为 C 开发者准备的 Rust Tooling Ecosystem 速查手册Rust 工具链全景指南为 C 开发者准备的 Rust Tooling Ecosystem 速查手册 本文基于 RustTraining 仓库 csharp文档教程SenseVoice开源生态全景从模型到生产环境的第三方工具链与社区贡献指南SenseVoice开源生态全景从模型到生产环境的第三方工具链与社区贡献指南 引言为什么选择SenseVoice生态 语音识别技术在智能交互、语音助手、无人工智能大模型语音音频微调本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考