DeepSeek的局限性

任何技術(shù)突破都伴隨著階段性局限，DeepSeek在邁向通用人工智能的道路上仍面臨很多挑戰(zhàn)，這些限制既源于當(dāng)前 AI 技術(shù)的共性瓶頸，也與其特定的技術(shù)路線選擇密切相關(guān)。

模型幻覺(jué)（Hallucination）：這是困擾所有大模型的阿喀琉斯之踵，DeepSeek也未能完全突破這一技術(shù)屏障。大模型可能基于概率生成看似合理實(shí)則錯(cuò)誤的回答，被很多人戲稱為“一本正經(jīng)地胡說(shuō)八道”。下面舉個(gè)例子。以下對(duì)話使用DeepSeek-R1模型進(jìn)行。

輸入：

寫一段話，論述DeepSeek-R1為何比OpenAI的 o1模型強(qiáng)大。要求有理、有據(jù)、有數(shù)據(jù)。

輸出：

DeepSeek-R1相比ChatGPT o1模型的技術(shù)優(yōu)勢(shì)可通過(guò)以下數(shù)據(jù)佐證。

DeepSeek-R1激活參數(shù)量達(dá)2.4萬(wàn)億（稀疏激活模式），相較ChatGPT o1的1.8萬(wàn)億密集參數(shù)，在語(yǔ)言理解任務(wù)（MMLU基準(zhǔn)）取得87.3%準(zhǔn)確率，高于后者的83.1%。在多輪對(duì)話場(chǎng)景（Multi-Session Dialogue Benchmark）中保持93%的上下文連貫性，較ChatGPT o1提升11%。基于參數(shù)稀疏化技術(shù)，DeepSeek-R1單次推理能耗降低42%，在阿里云平臺(tái)實(shí)測(cè)每百萬(wàn)次調(diào)用成本為18.7，較o1的29.5更具商業(yè)可行性。這種能效優(yōu)勢(shì)源于動(dòng)態(tài)計(jì)算資源分配算法，使高負(fù)載場(chǎng)景硬件利用率達(dá)92%。

這段話看起來(lái)有理有據(jù)，但其實(shí)就是“一本正經(jīng)地胡說(shuō)八道”。OpenAI的o1模型并沒(méi)有公布技術(shù)細(xì)節(jié)和參數(shù)數(shù)量，輸出中的“1.8萬(wàn)億密集參數(shù)”實(shí)際應(yīng)該是坊間傳聞中GPT-4的參數(shù)數(shù)量。另外o1模型在MMLU基準(zhǔn)測(cè)試中的準(zhǔn)確率是92.3%而不是83.1%。這段話中的類似錯(cuò)誤還有很多，因此如果你直接將這段話用于嚴(yán)謹(jǐn)?shù)膶懽鳎蜁?huì)出現(xiàn)嚴(yán)重的問(wèn)題。

究其根源，這既與訓(xùn)練數(shù)據(jù)的覆蓋度相關(guān)——即便采用萬(wàn)億Token級(jí)的語(yǔ)料庫(kù)，也難以窮盡所有細(xì)分領(lǐng)域的專業(yè)細(xì)節(jié)；也與模型自身的推理機(jī)制有關(guān)，當(dāng)前基于注意力機(jī)制的生成方式本質(zhì)上仍是基于統(tǒng)計(jì)和概率。也就是說(shuō)，模型輸出的內(nèi)容不是依靠“是否正確”決定的，而是依賴“概率高低”的“完形填空”。如果一段內(nèi)容雖然錯(cuò)誤，但和模型訓(xùn)練時(shí)接收的大量數(shù)據(jù)有類似的特征，它就覺(jué)得這段話出現(xiàn)的概率高，于是作為答案輸出。尤其需要注意的是，根據(jù)我自己的實(shí)測(cè)，DeepSeek-R1 模型在幻覺(jué)方面的表現(xiàn)并沒(méi)有達(dá)到最優(yōu)，它產(chǎn)生幻覺(jué)的概率較高，明顯高于DeepSeek-V3、GPT-4.5、Claude 3.7等同時(shí)期的其他模型。因此，使用DeepSeek-R1模型時(shí)，要特別注意幻覺(jué)問(wèn)題的影響。采用提示詞約束、RAG 知識(shí)庫(kù)引導(dǎo)、聯(lián)網(wǎng)搜索等方式可以在一定程度上規(guī)避幻覺(jué)的影響。在本書(shū)的后續(xù)章節(jié)中也會(huì)介紹相關(guān)內(nèi)容。

缺乏多模態(tài)推理：DeepSeek-R1 和 V3 模型目前仍聚焦于純文本模態(tài)的處理，這在一定程度上限制了其應(yīng)用場(chǎng)景的擴(kuò)展。相較于OpenAI o1、Kimi K1.5等其他模型，DeepSeek-R1和V3模型尚不具備直接解析圖像、音頻或視頻等非結(jié)構(gòu)化數(shù)據(jù)的能力。雖然DeepSeek也有VL系列視覺(jué)模型，但它不是推理大模型。例如，在智慧教育場(chǎng)景中，學(xué)生同時(shí)提交數(shù)學(xué)證明的手寫草稿和文字描述時(shí)，模型無(wú)法直接理解公式圖像與文本解釋的對(duì)應(yīng)關(guān)系，必須通過(guò)OCR[1]轉(zhuǎn)換形成信息鏈，這種斷層處理顯著降低了解決問(wèn)題的效率。

高延遲：在工程落地層面，DeepSeek-R1暴露的推理延遲問(wèn)題值得關(guān)注。涉及復(fù)雜邏輯鏈時(shí)，思考時(shí)間經(jīng)常達(dá)到數(shù)分鐘級(jí)。這種延遲在實(shí)時(shí)交互場(chǎng)景（如在線客服、同聲傳譯）中將直接影響用戶體驗(yàn)。

知識(shí)更新的滯后：這也是所有大模型面臨的共同難題。在本書(shū)完稿時(shí)，DeepSeek-V3和DeepSeek-R1模型的知識(shí)截止時(shí)間為2024年7月。所有在此之后的新聞、新技術(shù)和新概念，DeepSeek均不知道。由于模型訓(xùn)練的巨大成本，其知識(shí)庫(kù)更新周期難以縮短至季度以內(nèi)，在日新月異的科技、金融等領(lǐng)域，這種滯后性可能直接影響決策支持的有效性。

你可以直接問(wèn)一個(gè)大模型“你的知識(shí)截止時(shí)間是什么時(shí)候？”來(lái)獲得它當(dāng)前的知識(shí)截止時(shí)間。

文風(fēng)限制：DeepSeek-R1模型由于其獨(dú)特的訓(xùn)練方式及其推理能力的影響，在輸出文風(fēng)中有較強(qiáng)的“個(gè)性”，影響了其在部分領(lǐng)域的使用效果。本書(shū)后續(xù)部分會(huì)詳細(xì)介紹。DeepSeek-V3 模型在文風(fēng)上更加自由和可控。