新闻详情

新闻详情

首页 / 资讯中心 / 详情

人工智能-deepseek分支笔记、节省token

发布时间:2026/11/13 1:02:26来源:尧图网络
人工智能-deepseek分支笔记、节省token
文章目录deepseek 手机appdeepseek apideepseek的底层原理?个人感悟deepseek apideepseek能做什么deepseek官网apikey界面(这里可以创建apikey)deepseek有哪些模型?如何节省token?其他地址及文档deepseek 字面意思是深度求索看这个名字就和人工智能有关。百度了下 公司名称叫做 杭州深度求索人工智能基础技术研究有限公司。deepseek只是人工智能的一个产品人工智能单独拉出一篇笔记。deepseek 手机app抱着好奇的心理下载了一个发现就是问答模式类似于智能助手。deepseek api不只一家公司推出了deepseek产品实际上后台技术就是那么回事。但是因为这个名称火爆这就是商业契机你不跟上就落后了。所以各公司赶紧打包出自己公司对应的deepseek产品先进驻该领域再说既跟上时代风口又能带来商业价值(对接及后续维护肯定是要钱的啊商业价值大大的)。deepseek的底层原理?想知道deepseek的底层实现原理感觉肯定和大数据沾边。类似于百度智能回答? 输入问题就会智能回答出匹配的知识。但是这里面知识挺多的肯定不是数据库存一条记录就能回答一条那样效率太低了而是通过大数据算法智能匹配这样可以说是无限的空间了。个人感悟对于新事物要积极接触例如这个deepseek昨天公司发布了这个名词的时候还是一头雾水。如果抱着和我无关的态度那就错了糊涂也就糊涂下去了但是不能提高自己今天花一会时间了解下就知道大致是怎么回事了至少能做到心里有数。deepseek api做个例子加深理解。deepseek能做什么能做的就太多了。因为他是基于模型的所以只要是这个模型存在就支持功能。例如 问题解答代码生成ppt生成等可以尽情发挥想象。deepseek官网apikey界面(这里可以创建apikey)https://platform.deepseek.com/api_keys充值、查看用量也是这个界面。deepseek有哪些模型?deepseek-v4-flash# 普惠版(轻量版)deepseek-flash# 就是deepseek-v4.1-flash的推荐名 同 deepseek-v4-flashdeepseek-v4-pro# 专业版(旗舰版) 计划弃用目前还能用其他已过时的版本此处略。如何节省token?token和钱相关我等小小码农不得不考虑蚊子腿虽小也是口肉。1、产品例如 字节阿里百炼deepseek2、套餐方案例如阿里只有套餐最低也要59/月、deepseek支持按量付费3、模型例如deepseek-v4-flash就比deepseek-v4-pro消耗量小不少4、时段高峰时段比普通时段贵一倍5、和网页版交叉使用有些功能不太需要上下文例如根据sql生成实体类等就不用基于项目生成了。6、功能尽量拆细点一步一步指导ai做避免大量上下文搬运实际踩过的坑如图可以看到输出很小(说明没输出多少有效内容)输入超高(说明把一个功能的上下文反复搬运)。对照了下事实确实如此我让ai从零开始一个mcp示例服务a、服务b、中间服务代码量没几行但是因为每次请求都要带大量上下文所以消耗了这么多的token巨亏。其他地址及文档deepseek官网地址deepseek开放平台地址 # 申请apikey
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉