DeepSeek应用电脑版

　　2025-01-20版本

　　deepseek-reasoner

　　•deepseek-reasoner是我们的新模型DeepSeek-R1.可以通过指定model=deepseek-reasoner调用。

　　•详细更新，请参考：DeepSeek-R1正式发布

　　•调用指南，请参考：推理模型

　　2024-12-26版本

　　deepseek-chat

　　•deepseek-chat模型升级为DeepSeek-V3，接口不变，可以通过指定model=deepseek-chat调用。

　　•详细更新，请参考：DeepSeek-V3正式发布

　　2024-12-10版本

　　deepseek-chat#

　　•deepseek-chat模型升级为DeepSeek-V2.5-1210，模型各项能力提升，相关基准测试：

　　•数学能力：在MATH-500基准测试中的表现从74.8%提升至82.8%

　　•代码能力：在LiveCodebench(08.01-12.01)基准测试中的准确率从29.2%提升至34.38%

　　•中文写作与推理能力：在内部测试集中表现也有相应提升

　　与此同时，全新版本的模型对文件上传和网页总结功能的用户体验进行了优化。

　　2024-09-05版本

　　deepseek-coder&deepseek-chat升级为DeepSeekV2.5模型

　　DeepSeek V2 Chat和DeepSeek Coder V2两个模型已经合并升级，升级后的新模型为DeepSeek V2.5。

　　为向前兼容，API用户通过deepseek-coder或deepseek-chat均可以访问新的模型。

　　新模型在通用能力、代码能力上，都显著超过了旧版本的两个模型。

　　新模型更好的对齐了人类的偏好，在写作任务、指令跟随等多方面进行了优化：

　　•ArenaHard winrate从68.3%提升至76.3%

　　•AlpacaEval 2.0 LC winrate从46.61%提升至50.52%

　　•MT-Bench分数从8.84提升至9.02

　　•AlignBench分数从7.88提升至8.04

　　新模型在原Coder模型的基础上进一步提升了代码生成能力，对常见编程应用场景进行了优化，并在标准测试集上取得了以下成绩：

　　• HumanEval: 89%

　　• LiveCodeBench(1-9月):41%

　　2024-08-02版本

　　API上线硬盘缓存技术

　　DeepSeek APl创新采用硬盘缓存，价格再降一个数量级

　　更新详情请跳转文档API上线硬盘缓存2024/08/02

　　2024-07-25版本

　　API接口更新

　　•更新接口/chat/completions

　　○JSON输出

　　○Function调用o对话前缀续写(Beta)

　　○8K最长输出(Beta)

　　•新增接口/completions

　　○FIM补全(Beta)

　　更新详情请跳转文档API升级新功能2024/07/25

　　2024-07-24版本

　　deepseek-coder

　　deepseek-coder模型升级为DeepSeek-Coder-V2-0724。

　　2024-06-28版本

　　deepseek-chat

　　deepseek-chat模型升级为DeepSeek-V2-0628，模型推理能力提升，关基准测试：

　　•代码，HumanEval Pass@179.88%->84.76%

　　•数学，MATH ACC@155.02%->71.02%

　　•推理，BBH 78.56%->83.40%

　　在Arena-Hard测评中，与GPT-4-0314的对战胜率从41.6%提升到了68.3%。

　　模型角色扮演能力显著增强，可以在对话中按要求扮演不同角色。

　　2024-06-14版本

　　deepseek-coder

　　deepseek-coder模型升级为DeepSeek-Coder-V2-0614，代码能力显著提升，在代码生成、代码理解、代码修复和代码补全上达到了GPT-4-Turbo-0409的水平，并拥有卓越的数学和推理能力，其通用能力与DeepSeek-V2-0517持平。

　　2024-05-17版本

　　deepseek-chat

　　deepseek-chat模型升级为DeepSeek-V2-0517，模型在指令跟随方面的性能得到了显著提升，IFEval Benchmark Prompt-Level准确率从63.9%跃升至77.6%。此外，我们对API端的“system“区域指令跟随能力进行了优化，显著增强了沉浸式翻译、RAG等任务的用户体验。

　　模型对于JSON格式输出的准确性得到了提升。在内部测试集中，JSON解析率从78%提高到了85%。通过引入恰当的正则表达式，JSON解析率进一步提高至97%。