近年来，人工智能领域的迅猛发展引发了无数讨论与争论，尤其是围绕DeepSeek及其新推出的R1模型的言论，似乎以倍速在传播。这个看似一举成名的大模型，不仅让人们惊㊣叹，更引发了种种质疑与猜测。从R1的性㊣能表现到其研发团队的背景，再到其训练费用及技术创新，种种围绕㊣Deep㊣Seek的谣言俯拾皆是。对于这些误解，前AI研究主管Tanishq Abraham的发声显得尤其令人关注，他试图帮助大众理清关于DeepSeek的诸多谣言。本文将一一揭示这些性质各异的误会及DeepSeek背后的真实故事。

　　突然而起的声音“DeepSeek只是个新兴✅公司”声称DeepSeek是一家突然崛起的公司，这种说法实在是对事实的误读。实际上，自2025年初，全球范围内的AI研究者早就开始注意到DeepS㊣eek，甚至在其R1发布之前就已经预告了这一模型。DeepSeek的开源旅程始于2023年底，其首个模型DeepSeek-Coder的发布就已显示出其在代码处理上的能力，说明㊣其团队并非一夜之间组成的临时拼凑，而是经过充分的市场调研与技术积累。

　　训㊣练成本的疑虑“600万美元是谎言”一些批评者对DeepSeek所称的训练成本表示怀疑，认为其隐瞒了真实的数㊣据与涉及背景。实际上，600万美元的数据初衷源自DeepSeek-V3的论文，虽然未计算强化学习的附加训练成本，但根据其他研究者的㊣分析，500万美元的预算并不是空穴来风。此外，DeepSeek的模型架构采用了混合专家系统，这实际减少了每次调用的参数量，因为它并不需要使用所有6710亿的参数，这让成本的计算变得合理与透明。

　　另一个流行的观点是，DeepSeek的低训练成本让人怀疑美国的AI公司在资源配置和资金使用上的有效性。然而，从近几年的Scaling laws（扩展法则）来看，更多的计㊣算资源依然能带来更佳的模型性能，这一对比其实显得不公平，忽略了结构与设计上的创新。若DeepSeek能够以更低的成本实现显著的效果，这不仅是㊣对其团✅队能力的认可，也是对整个AI行业的启示。

　　“抄袭”说法的✅无端指责此前，OpenAI等公司曾指责DeepSe✅ek在技术上没有创✅新，实际上，DeepSeek在多方面展现了其独特的设计思路。例如，多潜在注意力机制的提出，融合了新技术能显著提升模型的运行效率。而GRPO与可验证奖励机制的引入，则为AI创造了崭新的训练方式，承担着与OpenAI相似的目标阀门电动执行机构，但更具开源与透明度。

　　关于蒸馏技术的误解针对DeepSeek与ChatGPT的蒸馏问题，质疑声持续不衰。蒸馏只是一个广泛使用㊣的概念，且DeepSeek在这种情况下并没有违背服务条款。许多人未理解DeepSeek在训练模型时所用的创新和数据来源的多样性，这使得他们对DeepSeek的成功有失公允的评价。

　　有人担忧中国在AI领域的飞速进展是否会打破已有的均衡。DeepSeek的成功在一定程度上反映了中国对AI开源实践的重视及其在技术上的成熟程度。而在未来的发展中，随着投资与资源的进一步扩张，无论是中国还是美国，都将面临更为激烈的竞争。

　　对于DeepSeek及其R1模型的评价，固然不能停留在肤浅的争议与猜疑上。Tanishq Abraham作为业内一线的AI研究者，提供了一个有分量的视角，揭示了一个更加真实与复杂的DeepSeek。它不仅是中国AI行业的一次绝佳尝试，更是在全球科技领域中一粒不容忽视的力量。无论是技术的创新□□□□、设计的✅颠覆，还是开源的透明度，都在持续改变着我们的想象与期待。这一切终将影响未来AI的进步与发展方向，让我们拭目以待！返回搜狐，查看更多