DeepSeek由幻方量化孵化，2023年成立；从2025年初R1横空出世，到如今2026年9月V4.1 Flash”这两年，正好是它从封神、短暂口碑回落，再重回第一梯队完整周期。
它最大标签就是MoE混合专家架构、极低训练成本、大量开源。2025年初R1发布，全网称之为“国运级模型”，核心原因：只用约557万美元完成训练，在数学、竞赛推理能力对标OpenAI o1，打破“顶级大模型必须烧数亿美元、堆海量GPU”的行业共识。

一、2025.1.20：DeepSeek R1正式发布（巅峰起点，横空出世）

- 核心亮点：基于V3底座的推理模型，主打数学、竞赛、复杂逻辑推理，AIME竞赛成绩碾压同期绝大多数模型，代码能力极强，模型权重开源，API定价极低。
- 行业反响：国内外AI圈震动，国内舆论给了极高评价，“国运级大模型”这个说法就诞生于此。海外开发者大量接入，英伟达官方也上架R1。
这是DeepSeek最高光时刻。它证明国内团队不靠无限烧钱，仅凭工程和架构创新，就能摸到全球前沿推理水平。但当时也埋下隐患：它强在纯文本数学/代码，多模态、C端产品体验、长文本稳定性短板明显；评测榜单好看，但真实落地场景会暴露出不少瑕疵。

二、2025年全年迭代：V3.1、V3.2系列，高光后热度慢慢降温，开始出现“掉队”声音

1. 2025年8月：V3.1 Terminus
优化Agent智能体、搜索、代码能力，修复中英文乱码、字符异常问题。但同期国内Kimi、智谱、阿里千问、字节豆包快速迭代，多模态能力全面铺开，而DeepSeek一直缺少原生视觉能力，C端产品打磨偏弱。

舆论变化：大家发现，R1只是纯文本推理单项冠军，不是全能模型。普通用户日常聊天、看图、文档处理，体验并不突出，热度开始褪去，市场开始出现“DeepSeek偏科，要掉队”的讨论。

2. 2025年9月：V3.2 Exp
引入稀疏注意力，API降价一半，进一步压缩推理成本。
3. 2025.12.1：DeepSeek V3.2正式版 + R1升级
支持128K上下文，强化Agent工具调用，在IMO、信息学奥赛评测拿到金牌级表现。
技术底子持续在升级，但短板依旧：没有原生多模态。当所有对手都在卷图文、PDF识图、视频理解的时候，DeepSeek长期固守纯文本赛道，C端普通用户感知不强，大众热度持续回落。很多人觉得它后劲不足，“只会数学和代码，综合能力跟不上”。

三、2026上半年：V4发布，经历争议、口碑波动（争议最大阶段）

2026.4.24 DeepSeek V4正式发布（V4 Pro + V4 Flash）

- 亮点：百万token超长上下文，全新架构，代码能力继续登顶，SWE代码评测对标Claude Opus，模型继续开源。
- 风波：V4 Pro上线之后，社区实测发现长上下文记忆存在缺陷，KV缓存压缩机制存在漏洞，长文本任务会丢失信息，很多开发者实测翻车，争议爆发。
这就是大家说的“掉队、翻车”阶段。榜单跑分很强，但真实业务场景下暴露工程缺陷，很多企业用户暂缓接入。网上出现大量文章，认为DeepSeek的架构路线遇到瓶颈，被GPT-4o、Claude、国内其他多模态大模型拉开差距。

但它没有停更，而是快速启动修复，着手开发下一代V4.1 Flash。

四、2026.9.10：V4.1 Flash发布，强势回归，重回全球顶尖梯队
- 核心突破：原生多模态视觉能力补齐，全新非对称MoE架构，输入输出分离设计；不仅修复V4长文本记忆缺陷，推理速度大幅提升，推理成本继续下降。官方直接宣布下线旧V4 Pro，由V4.1 Flash接替。
- 评测表现：数学、代码、Agent自动化评测重回全球第一梯队，图文理解补齐了过去两年最大短板。同时维持高性价比、开源策略。
这一轮属于强势救场，补上最关键的多模态短板，解决V4版本的工程bug。证明它底层架构路线没有走死，研发团队纠错能力很强。
为什么会经历“爆红→沉寂→再度崛起”这个过山车？

1. 爆红的核心原因：单点极致突破，打破行业固有认知
R1不是综合最强，但它在最难的数学、复杂推理赛道，用极低成本追上海外头部模型，在当时带来巨大冲击。舆论“国运级”评价，本质是大家看到国内AI可以不走“无限堆GPU”的老路。
2. 中间看起来“沉寂、掉队”，不是整体技术垮掉，而是赛道偏科
DeepSeek团队出身幻方量化，天然擅长数学、逻辑、代码这类确定性强的任务；但早期完全不做多模态（看图）。
而2025下半年到2026上半年，行业竞争主线变成图文、PDF、视觉综合能力。在普通用户视角下，它就显得落后；但在开发者、程序员、科研用户圈子，它的代码、推理口碑一直在线，并没有真正掉队。
另外，它一直重API、重开源，轻C端APP，面向普通消费者产品投入少，大众感知弱，热度自然快速回落。
3. V4.1 Flash归来：补齐短板，完成从“单项高手”向全能大模型的转型
V4时代踩了工程上的大坑，但快速迭代修复，并且补上视觉能力。现在它不再只是“数学代码强的纯文本模型”，成为兼顾图文、长文本、Agent的综合性前沿模型。
4. 客观短板依旧存在
它的C端产品体验相比国内豆包、Kimi等还有差距；在创意写作、生活化对话的人文质感，仍然不是最强；海外闭源巨头依然有综合能力优势。它的核心优势始终是：推理、代码、高性价比、开源开放。
DeepSeek这两年是典型工程师路线的大模型：靠数学推理单点封神；因为早期缺少多模态、C端产品薄弱，大众热度下滑，被误认为掉队；在V4踩坑之后快速修复，V4.1 Flash补齐视觉短板，重新回到全球第一梯队。它不是全能天花板，但代表国内AI“靠架构创新、控制算力成本”的一条独特路线。