DeepSeek（深度求索 V4.1-Flash）：最便宜的開源權重旗艦，以及香港學校的兩條現實路線

深度求索在採購簡報裡常被標成「MIT 開源、每 100 萬 token 0.15 美元」——但學校真正要選的是兩條路：校內 Ollama 跑蒸餾版（資料不出校網），或直接呼叫內地 API（跨境傳輸，須先完成私隱評估）;「可以下載」與「跑得動旗艦」從來不是同一件事。

DeepSeek 於 2023 年在中國成立，2025 年 1 月的 DeepSeek-R1 以開源推理模型改寫了「便宜就做不了前沿」的假設。對香港學校，它的價值在於 MIT 授權與極低 API 牌價；它的現實在於旗艦自架門檻、高峰加倍定價，以及繁體香港用語仍須教師覆核。

這家公司在做甚麼

DeepSeek 的技術路線很集中：用 MoE 架構與 KV 快取壓縮換取推理成本。現行 DeepSeek-V4.1-Flash（2026 年 9 月 10 日）是 552B 參數 MoE，推理時 prefill 啟動 8B、decode 啟動 16B，原生支援圖像輸入，100 萬 token 上下文、38.4 萬 token 輸出，權重以 MIT 授權公開——這在主流供應商裡對想完全自主部署的辦學團體最有吸引力。

同一條產品線上，DeepSeek-V4-Pro 與 V4-Flash（2026 年 8 月 16 日）首次引入高峰與非高峰分時定價；DeepSeek-R1（2025 年 1 月 20 日）仍是學校自架討論最常點名的推理型號；DeepSeek-V3（2024 年 12 月 26 日）把 MoE 帶進主流視野。對教學現場，更重要的是 Ollama 上 1.5B 至 70B 的 R1 蒸餾系列——那才是學校硬件 realistically 能跑的尺寸。

型號陣容對照

0.15 / 0.60 美元是非高峰價；香港學校日間使用高峰未必對應非高峰窗口。做年度估算時，應以高峰加倍或中間值建模，不能只用最低價乘用量。

錢從哪裡出

雲端 API: 牌價在主流供應商中最低一檔，適合量大、難度中等、且已完成跨境私隱評估的任務——例如把公開英文資料改寫成不同難度、整理專題背景、生成練習題初稿。涉及學生姓名、班別、作品的批改，建議留在已評估的原生供應商。

校內自架： 硬件是一次性資本開支，但蒸餾版能力明顯低於旗艦；IT 主任應用現有工作站跑 Ollama 中型 build 做概念驗證，量度繁體輸出質素與延遲，再決定是否採購。授權方面，V4.1-Flash 是 MIT，蒸餾 build 要逐個核對 Apache 2.0 或 Llama 條款。

隱藏成本： DeepSeek 沒有 embedding 與語音模型；即使聊天走自架，知識庫向量索引與口語練習仍要 OpenAI 或 Azure OpenAI。這不是選錯供應商，而是語言模型與多模態基建本來就分家。

把 0.15 美元寫進校長簡報而沒寫「高峰加倍、跨境 API、旗艦跑不動」，等於只報了租金沒報按金——採購文件要把三層成本寫齊。

在 Edor.ai 裡擔任甚麼角色

DeepSeek 不是原生供應商。平台原生路線是 OpenAI、Azure OpenAI、Anthropic、Poe 與 本地 Ollama;沒有 DeepSeek 專用接口。

路線一：本地 Ollama 自架（建議）

蒸餾或量化 build 下載到校內伺服器，推理在校網內完成，四層守門、教師監控、ai_audit_logs 照常運作。學生資料不外傳，配合導師模式，是風險最可控的一條路——前提是教師先實測蒸餾版中文回饋質素，再決定用在哪一科。

路線二：官方 API（須評估）

伺服器在中國內地，含有學生個人資料的請求屬跨境傳輸。學校須按《個人資料（私隱）條例》保障資料原則完成評估：列明資料類別、傳送目的、目的地保障水平、替代方案，並由管理層簽署存檔。我們不建議在未完成這步前開通學生場景。

無論哪條路，embedding 與語音仍需 OpenAI 或 Azure OpenAI。若目標是資料留校，可同時閱讀 平台資料與保安說明 及 Alibaba Qwen 的 27B 級自架方案。

甚麼場景適合、甚麼場景不適合

適合： 已完成私隱評估後、不含學生個人資料的大量教師文書；校內 Ollama 蒸餾版配合導師模式的學生提示（教師先實測中文質素）;IT 主任用現有硬件做概念驗證再寫採購案。

不適合： 未評估就讓學生作品上雲端 API;用旗艦跑分推銷校內 14B 蒸餾部署；只用非高峰 0.15 美元做全年預算；期望 DeepSeek 單獨支撐知識庫與粵語口語；不做教師覆核就採納內地用語輸出。

辦公時間後，一位 IT 主任對校長說：「我們用 Ollama 跑 14B 蒸餾版，回應大約八秒一則，常識科試了一個月還行，但中文科說用語要再校。」——這才是合理的試點節奏。

可複製以下提示試用：

你是香港小學常識科教師。請就「天氣與氣候」單元，為小四學生設計一份 25 分鐘的課堂活動，只使用學校常見的簡單器材。
輸出：活動目標（3 項）、步驟（以學生看得懂的短句）、一份觀察記錄表（表格）、兩條延伸思考題。
限制：全部用繁體中文，並使用香港學校慣用詞彙（例如「工作紙」而非「學習單」）;不要提供答案；凡涉及香港的氣溫、雨量等具體數字，一律寫「請教師核實」，並註明應查閱香港天文台的哪一類資料。

以下是一份中二中文科的閱讀理解課文與五條擬題。請幫我檢查擬題的質素。
輸出：逐題指出它考的是甚麼能力（檢索、推論、評鑑），指出哪些題目其實不用讀課文也答得到，再為每一條需要改善的題目提出一個改寫版本。
限制：用繁體中文（香港用語）;不要重寫課文；不要新增課文以外的資料；若你對某個字詞的香港小學或初中程度判斷不確定，請寫「請教師核實」。
[貼上課文與擬題]

更多中國模型對照，可讀 DeepSeek、Kimi、Qwen、GLM 橫向比較 與 開源與閉源的成本與私隱權衡。

給學校的取捨

• 如果你要資料完全不出校網，就用 Ollama 跑蒸餾或量化 build，並先實測繁體中文回饋再開給學生，不要假設旗艦能力會自動下放到 14B。
• 如果你要呼叫官方 API，就先完成跨境私隱評估並存檔，且把涉及學生姓名與作品的任務留在已評估的原生供應商。
• 如果你需要知識庫與口語練習，就仍保留 OpenAI 或 Azure OpenAI 金鑰，並在成本估算裡計入高峰加倍，而非只用 0.15 / 0.60 美元非高峰價。