讲技术名词会让人云里雾里，这个回答我尽量用大白话来解释。

DeepSeek开放的模型有两个：V3和R1，它俩的区别我会用下面的例子来展示。

这是一个非常简单的数学题：1+1等于几？

这是V3给出的回答，简单直接。

同样的问题问R1，它会想半天，甚至会怀疑我在考验它，最终得出「一组结果」，这一组包含了四个回答。

你应该能感受到V3和R1的直观差别，那就是V3会直接给出你回答，就像一条直线。而R1不一样，它会经过反复的思考，尽可能的考虑到所有的可能性，最后面谨慎的下结论。

而造成这个差别的主要原因就是R1模型比V3模型多了一层思考的机制，这个机制就是思维链CoT（Chain of Thought）。

简单来说，V3就像一个不谙世事，一直待在家里学习的学霸，它对于所有的问题都根据自己的直觉给出回答，比如我们给它的问题1+1=？。它的直觉告诉它这就是个简单的数学题，然后它就直接做出了回答。

而R1不一样，它是走进社会，了解了社会险恶的V3。它做事不再只是根据直觉，而是考虑周到，做事圆滑，即使是一件小事，它也会尽可能的全方位考虑，尽量的不出错。

你看，它会从各种角度来考虑1+1=？这个问题，甚至会觉得这么简单的也问，是不是「用户在开它的玩笑？」，这其实是符合常理的，因为但凡有个人正经的问我这个问题，我都会在心里打个问号？，肯定有诈。

R1比V3多出来的这一套东西，其实就是思维链，也就是我们平时思考问题的方式。

这也是我为什么一直强调现在学习DeepSeek这类AI的重要性，因为你如果对它了解不深的话，AI的很多潜力很难挖掘出来，尤其是现在很多企业都在用 AI 重塑业务形态，而这一切都需要懂 AI 的人来实现，这就催生了很多高薪的AI岗位需求，比如北京的 AI 产品经理基本月薪35k以上，AI 训练师月薪也是 30k+……属实诱人。

了解DeepSeek的最好方式就是了解它的底层原理以及应用方式，不过这个有点复杂，系统了解的话建议去看一下大模型应用开发的公开课，里边有DeepSeek的技术原理讲解、落地案例分析，行业趋势揭秘等，帮助大家全面了解AI产品技能和知识，入口我放在下面了，直接听就行↓

听完你就会发现「原来那些看起来高深莫测产品是用了这个技术啊」、「原来这个技术也可以用在我的产品里啊」，直接拉进你跟最新技术的距离，非常酷～

对于DeepSeek来说，它的思考过程为拿到问题-分析问题-头脑风暴-确定最可能的解法-给出回答，正好对应了R1的思考过程。

R1在思考过程结束后，会根据可能性对它的所有想法排个序，因为对于一个问题的解法可能有无数种，但是最终的回答只能有一个。

那么它会输出概率最大的那个，对于1+1=？来说，可能性最大的就是简单的数学题。

所有DeepSeek R1最终给出了这个回答。

V3就是所谓的传统大模型，而R1是推理大模型，他们俩的应用场景不一样，推理大模型的对应的是复杂问题，需要很多个复杂步骤才能解决的问题，比如复杂数学问题，代码生成，逻辑推理等。

而简单的任务，特别是不需要多加考虑直接出结果的问题，比如写命题作文，翻译，简单数学问题。

那我们用一个稍微复杂点的数学题再问一次，这是2023年的高考数学题，因为是选做题，难度可想而知。

先用V3来做，很自信的给出了答案，但可惜的是不对。

而DeepSeek R1在思考了419秒后给出了正确答案。

这就是DeepSeek R1的正确打开方式，也就是复杂问题才值得问R1。

如果问题太简单直接，比如1+1=？这样的，反而是造成DeepSeek R1进行过度思考。

复杂问题不仅仅包括数学，我这里展示一个例子，用 DeepSeek 的R1 深度思考模式，给它提出一个比较离谱的问题：“假如一个普通人手里只有 3000 元，如何在没有其他资源的情况下，通过努力实现 100 万元的收益？”

这是一个典型的复杂问题，因为它涉及到很多方面的考量，背景分析、财务分析、数学计算等，这种只有R1才能够解答。

更重要的是DeepSeek几乎接入了绝大多数你耳熟能详的应用中，再加上第三方软件的加成，DeepSeek更是可以覆盖绝大多数的工作学习场景。

总的来说，DeepSeek是一个概率模型，它会输出它觉得最可能的那个回答，不同的是V3模型适合解决简单问题，R1模型更擅长做复杂问题，不同模型需要通过「深度思考」这个按钮进行激活。