我为什么盯住 DeepSeek
我不是模型从业者，只是一个使用者，外加物联网专业的学生。关注 DeepSeek 有三个很实际的原因： 它开放权重，我能本地跑；它公开技术报告，我能看工程取舍；它的社区二创足够活跃， 我能观察一个模型怎样进入真实使用场景。
笔记里我偶尔把 DeepSeek 简写成 DSH，这是我自己的书写习惯，不是官方缩写， 写在这里免得以后回看时混淆。
第一次在本地跑模型时，我最直观的感受不是“智能”，而是“资源换能力”： 上下文长度、显存、量化方式、生成速度，全都在互相挤。榜单上的一个分数， 落到我的机器上要换算成三个问题：能不能跑、跑得多快、错的时候有多离谱。
所以我看模型，不先问“它是不是最强”，而先问“它在什么任务上稳定地省我的时间”。
开放权重，不等于“什么都开源”
我读公开材料时，会把“开放”拆成几层，不混着说。一个模型可以公开权重， 但不公开训练数据；可以公开技术报告，但不公开完整工程细节；可以允许商用， 但仍然有再分发和使用条款。
| 层级 | 通常能看到什么 | 我能做什么 | 仍然缺什么 |
|---|---|---|---|
| 技术报告 | 方法、训练流程、评测结果 | 理解思路，复现部分实验 | 完整数据与全部工程细节 |
| 模型权重 | 可下载的参数文件 | 本地推理、量化、微调 | 原始训练数据与完整训练代码 |
| 蒸馏模型 | 更小参数的学生模型 | 低资源部署、横向对比 | 教师模型的全部能力 |
| 许可证 | 使用、修改、分发条款 | 判断商用与再分发边界 | 不等于无条件开放 |
以我读到的公开信息，DeepSeek-R1 的权重采用 MIT 许可发布，同时公开了 R1-Zero 这类训练思路，也有基于 Qwen、Llama 等底座蒸馏出的小模型。这个组合的意义不只是“免费”， 而是让更多人能验证：强能力不一定只能靠无限堆参数，也可以从强模型的行为里教给更小的模型。
当然，具体许可和可用范围要以官方模型卡、许可证原文为准，信息会更新，我不能拿旧笔记当永久结论。 这也是我后来养成的一个习惯：先看许可证，再谈“开源”。
开放带来的两面
好处是明显的：可验证、可迁移、可二次开发。坏处也存在：版本碎片化、 部署质量参差、许可证理解成本高，还有人把“权重可下载”直接说成“完全开源”。 我倾向于把话说准确：开放权重是一种很强的开放，但它仍然有边界。
蒸馏：把“过程”教给学生模型
蒸馏不是把大模型压缩一下那么简单。我目前的理解是：教师模型产生输出， 学生模型在自己的容量和训练目标下学习这些信号。信号可以是答案，也可以是推理过程， 甚至是词表上的概率分布。
强模型 / 教师
│ 生成候选：答案、过程、评分
▼
筛选：正确性 / 格式 / 难度 / 多样性
│
▼
学生模型：监督微调 / 偏好优化
│
▼
分任务评测：推理 / 代码 / 中文 / 长文本
│
▼
失败样本回流，重新配数据真正难的不是跑通脚本，而是数据筛选和评测。把完整的思维链直接喂给学生， 它可能学到格式，不一定学到策略；只给最终答案，又缺少过程监督。 教师也会犯错，错误的过程如果被当成标准答案，学生只会学得更像。
所以我现在的判断是：蒸馏的收益来自“数据分布 + 教师信号 + 学生容量”的匹配， 不是一句“用 R1 蒸馏”就能解释。同一个教师模型，换一批数据、换一个学生规模， 结果可能完全不同。
这件事也反过来影响我学习
把别人的笔记抄一遍，不等于掌握。把别人的推理过程拆开，用自己的题重做， 再对照错误，才更接近蒸馏里“有效信号”的部分。 区别在于：模型是被训练，我是主动选择拿什么训练自己。
社区是模型的“翻译层”
模型发布后，社区会很快做出量化版、LoRA、提示词模板、Agent 工具链、UI 封装、 角色卡和各种评测。它们不一定发论文，但决定了模型怎么被真正用起来。
我观察二创时，会先看三个东西：
- 它是否解决了具体问题，还是只换了一层皮。
- 它是否标注来源、模型版本和许可证边界。
- 它是否形成可复用的工作流，而不是一次性演示。
鲸鱼娘圈层：把模型人格化之后
DeepSeek 的鲸鱼标识在社区里被二创成拟人角色，也就是大家说的“鲸鱼娘”。 我看到的不是官方设定，而是一种用户自发的翻译：把冷冰冰的模型变成一个可以对话、 可以玩梗、可以共享设定的对象。有人写性格说明，有人做图，有人做对话模板。
它的价值在于降低理解门槛，让技术讨论有一个共同语言。风险也很清楚： 把二创当官方、把角色设定当模型事实，或者用“可爱”替代对能力和边界的判断。 我的态度是：可以玩，但别混淆边界；可以喜欢，但别用二创替代真实评测。
| 现象 | 我的观察 | 我的判断 |
|---|---|---|
| 角色卡 | 把模型能力包装成固定人格 | 降低使用门槛，但容易掩盖幻觉 |
| 量化版 | 让低配机器也能跑起来 | 速度与质量的交换要自己测 |
| 提示词模板 | 社区快速复用同一套输入 | 好模板是接口，不是魔法 |
| 鲸鱼娘二创 | 模型被赋予人格与圈层文化 | 可以当文化现象，不当官方事实 |
我怎么判断一个模型好不好用
我不信单一榜单，也不凭一次对话下结论。现在的做法很土，但对我有效： 固定一组自己的题，重复跑，记录失败方式。
- 准备 10 个真实问题，覆盖代码、中文写作、事实核查和长文本。
- 同一提示词跑三次，看结果稳不稳定，而不是只看最好的一次。
- 记录延迟、内存占用和可接受的成本。
- 专门看失败：编造、格式崩、拒答、越权、听不懂否定。
- 读模型卡和许可证，不只看演示视频。
对我这种普通用户，最有价值的指标其实很朴素： 在我真正要做的事情上，它是否稳定地省时间。 如果每次都要我重新检查、重新纠正，那它再强也只是一个昂贵的玩具。
下一阶段
接下来想做的几件事：
- 在本地跑一个 7B 级蒸馏模型，记录量化前后的质量和速度差异。
- 完整读一遍 R1 技术报告和模型卡，把不懂的术语单独列出来。
- 搭一个自己的小型评测集，不追求全面，只覆盖我常做的事。
- 继续观察社区二创的许可证边界，尤其是二次分发和商用。
我不需要证明哪个模型最强。我需要知道，在什么任务上，它为什么强、什么时候会坏。