CURATED TIMELINE · 人工策展
从 Coder、DeepSeekMoE、GRPO 与 MTP 的技术积累，追到 V3、R1、免费 App 和 2025 年 1 月的全球传播拐点；同时拆开“副业”“560 万美元训练 R1”“完整开源”等传播说法。
Timeline overview
Editorial thread
事实摘要与编者按沿策展顺序共同组成这篇脉络文章。
R1 的算法前史。 DeepSeekMath 在 2024 年 2 月提出 GRPO，并公开 Base、Instruct、RL 三类模型。R1 后来继续使用 GRPO，因此它不是 V3 发布后才突然出现的推理路线。
GRPO 省去 PPO 中独立的 critic/value model，以组内样本奖励估计基线，尤其适合把可验证的数学、代码任务转化为强化学习信号。
效率支线形成。 DeepSeekMoE 用更细的专家划分和共享专家，把“总参数很大、每个 token 只激活一小部分”变成可扩展路线。
这条线后来进入 V2 和 V3。所谓“被芯片限制后另辟蹊径”有现实背景，但不能写成单一因果：公开材料只能证明 DeepSeek 在受限硬件环境中把训练和推理效率置于核心，不能证明每项架构创新都由出口限制直接造成。
起点不是“一夜爆红”。 DeepSeek 的资金和早期算力积累来自量化基金幻方，但从 2023 年起便以独立 AI 研究组织和专职团队推进通用模型。把它叫作“量化公司的随手副业”很有传播力，却会遮住持续研发投入。
更关键的是发布选择：第一款 DeepSeek Coder 就公开权重、代码和研究材料，先吸引开发者与开放模型社区，而不是先做面向大众的聊天产品。
