为什么值得花时间读 DeepSeek 的论文
先给结论： 因为 DeepSeek 的论文是公开资料里，少数能把"一个好主意"和"它到底花了多少钱"同时讲清楚的材料。读它们，你不只是知道 AI 在变强，还能开始看懂它凭什么强、代价是什么。
一、这套论文讲了两年半的连续故事
四段演化：同一时期并行推进的三条主线
从 2024 年 1 月到 2026 年 9 月，本文系列收录并逐篇核验了 DeepSeek 的 31 篇论文报告（范围说明见第五节）。它们不是零散的成果，而是一条能连起来的线：
- 2024 年上半年：先搞清楚钱该花在哪。 与其急着造大模型，他们先做小规模实验，研究"参数、数据、算力怎么分配最划算"。
- 2024 下半年到年底：把便宜的零件拼起来。 用更省显存的注意力机制、更省的专家结构，堆出一个很强但成本可控的模型。
- 2025 年：让模型学会"想"。 重点转向推理能力——怎么用奖励机制让模型自己学会一步步解题。
- 2026 年：把效率推到极限，同时开辟新方向。 压缩、低精度计算、记忆结构、多模态，几乎同时换代。
这条线上最显眼的一条主线是"省"——不是省钱本身，而是"用更少的计算，做到一样甚至更好"。但它不是唯一的主线：另外还有两条同样贯穿全程的线，一条是**“怎么判断对错”（从简单对错判定，一路升维到能自己当裁判），另一条是“怎么读数字”**（同一件事在不同口径下能差出几倍）。三条线会在最新一代模型上汇合。
二、为什么"省"比"更强"更值得学
大多数新闻只告诉你模型考了多少分。分数会过时，方法不会。
举个具体的例子。“KV cache”（可以理解成模型读长文章时做的读书笔记）占用的内存，会随着文章变长而暴涨。DeepSeek 的一系列论文就在解决这个问题：2024 年他们的方案是每一层、每一个字都要存 576 个数字；到 2026 年最新报告里，全模型只有 4 层需要存主笔记，平均到每个字只要约 2.5 条。
注意这个数字的前提： “2.5 条"是相对 DeepSeek 自己的最新模型而言，不是所有模型通用。换个模型、换个比较对象，数字就不同。这是本系列会反复强调的一件事：论文里任何一个数字，都必须问"跟谁比、在什么条件下”。
看懂这一串演化，你就理解了 AI 里最核心的一种思维方式：把一个昂贵的东西，拆开，找到真正贵的环节，然后只在那里省钱。
三、这套论文有一个罕见的优点：敢说自己不够好
2026 年的旗舰报告里，作者明确写了一段话，大意是：我们比最强的对手落后 3 到 6 个月。
很少有公司会在自己的论文里这么写。同样的报告里，测试表格显示新模型在某些项目上输给了自己上一代；官方新闻稿的措辞比论文正文更激进——论文说"相当，部分任务更好"，新闻稿说"领先"。
对读者来说这是好事：当一份材料愿意暴露自己的弱点时，它的其他数字也更值得信任。 本系列会专门用一篇讲"怎么读论文里的数字"，把这种判断方法教给你。
四、需要什么基础？其实很少
网上讲 AI 的文章常常两条路：要么全是名词听不懂，要么全是比喻学不到东西。
这个系列走中间路线：不用线性代数、不用微积分、不用编程。我们会用"查字典"“分诊台"“读书折角"这样的比喻讲清每个机制，但比喻之后一定跟上真实的数字和条件——因为只有数字能让你分辨，哪个说法是真的。
需要的前置知识，本系列会用三篇讲完：
- 大模型到底在干什么（第三篇）
- 注意力是怎么工作的（第四篇）
- 参数、数据、算力这三个"大小"为什么不能混（第五篇）
之后是主线故事，再之后是可以挑着读的支线。
五、一个提醒：这不是"读完全部论文”
要诚实说明：这个系列覆盖的是核验过的 31 篇主目录论文。DeepSeek 还有一些论文藏在没有署名的合作研究里，检索本身就有难度——比如有一篇讲智能体训练沙箱的论文，作者栏写着 DeepSeek，但官方代码仓库里找不到对应入口，所以目前无法完全确认。
所以本系列不会说"DeepSeek 的全部论文都在这里”。它说的是：这 31 篇是能被交叉验证、能查到来源、能追到官方入口的部分。 学知识的第一条纪律，是知道自己知道的范围到哪儿。
一句话总结： DeepSeek 的论文是一条"如何用更少算力做到更强"的连续故事，而且作者愿意承认自己的不足——这两点让它比单纯的成绩通报更值得读。
记住这个数字： 31 篇，2024 年 1 月到 2026 年 9 月。
下一篇： AI 论文里那些看不懂的词（术语表）——先把拦路的词全部解决掉。