历史时刻：DeepSeek GitHub星数超越OpenAI，仅用时两个月

机器之心报道

机器之心编辑部

开源 AI 世界的里程碑事件！

我们正在见证历史：DeepSeek 项目在全球最大代码托管平台 GitHub 上的 Star 量超过了 OpenAI。

截至本周五下午两点，DeepSeek 旗下热度最高的项目 DeepSeek-V3 大模型 Star 量已达 7.77 万，超越了同平台中 OpenAI 最热门项目。

DeepSeek 项目的星数还在以肉眼可见的速度增长。

去年 12 月 26 日，DeepSeek AI 开源了其最新混合专家（MoE）大语言模型 DeepSeek-V3，它立即成为通用语言模型的性能标杆，受到了全球 AI 社区热议。

DeepSeek-V3 模型引入了动态注意力机制（Dynamic Attention Mechanism），通过实时调整注意力权重优化文本生成质量。其 MoE 架构共包含 6710 亿参数，但每 Token 仅激活 370 亿参数，大幅降低了计算成本，训练成本仅为同类闭源模型的 1/20。

据技术报告介绍，DeepSeek-V3 的预训练过程只花费 266.4 万 H800 GPU Hours，再加上上下文扩展与后训练的训练共为 278.8 H800 GPU Hours（训练成本 557.6 万美元）。相较之下，Llama 3 的训练预算约为 3930 万 H100 GPU Hours。

图源：https://arxiv.org/pdf/2412.19437

随后在 1 月 23 日，DeepSeek 以 V3 为基础使用强化学习（Reinforcement Learning）驱动重构训练范式，提出了 DeepSeek-R1，彻底改变了开源 AI 世界。

DeepSeek R1 性能完全对标 OpenAI o1，与 DeepSeek V3 相比性能有大幅提升，其论文指出纯强化学习可以赋予 LLM 强推理能力，而无需大量监督微调，震动了 AI 业界。

从技术角度来看，DeepSeek 展示了国内科研团队的创新能力，并在 Scaling Laws 之后揭开了大模型发展的新范式，大幅降低了 AI 对算力的依赖，并用自我进化的方式平衡了数据优势。

R1 还支持将推理能力迁移至更小模型，为边缘计算和即时应用开辟了大量的可能性。

由于 OpenAI 自 GPT-3 起并未开源其基础 AI 大模型，目前 OpenAI 的热门开源项目包括 openai-cookbook，即使用 OpenAI API 完成常见任务的示例代码和指南；以及 Whisper，这是一个 2022 年 9 月开源的通用语音识别模型。

除此之外，同属开源大模型的 Llama 系列最高星数达到了 5.75 万，阿里云的 Qwen2.5 有 1.49 万 Star，零一万物的 Yi 有 7800 Star。

DeepSeek V3 和 R1 的推出仿佛为全球大模型社区打了一针强心剂，在 AI 研究领域，围绕 R1 核心强化学习方法 GRPO 的进一步研究已经出现。

DeepSeek 开源的策略也为应用创造了大量机会。目前虽然 DeepSeek App 官方报告正在受到高频次网络攻击，但仅在国内就有阿里云、华为云、腾讯云、百度智能云、360 数字安全、云轴科技等多个平台宣布上线了 DeepSeek 大模型，方便各路开发者调用。

在海外，英伟达、亚马逊和微软云服务也宣布接入了 DeepSeek R1。

DeepSeek 系列模型被公认为是目前最先进的大语言模型之一，随着技术开源的推动，我们或许将见证生成式 AI 更快的发展。