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

一句話答案:DeepSeek 以 MIT 授權公開旗艦權重,單價是主流供應商中最低的一檔;但它在 Edor.ai 沒有原生整合,學校的現實路線只有兩條——用 Ollama 自架蒸餾版本,或先完成私隱評估再呼叫其官方 API,而後者屬跨境資料傳輸。

這是甚麼:一家以工程效率取勝的供應商

深度求索(DeepSeek)於 2023 年在中國成立。它在國際上真正引起注意,是 2025 年 1 月發佈的 DeepSeek-R1:一個以開源權重公開的推理模型,證明了接近前沿水平的邏輯表現並不需要傳統認知中的天價訓練成本。那一次發佈改變了很多人對「開源模型只能做次級工作」的假設。

DeepSeek 的技術路線一直圍繞同一件事:用架構設計換取推理成本。現行的 V4.1-Flash 是 552B 參數的混合專家(MoE)模型,但推理時只啟動 8B(prefill 階段)至 16B(decode 階段)參數,原生支援圖像輸入。官方模型卡把重點放在 KV 快取壓縮上,這正是長上下文成本的主要來源。結果就是一個 100 萬 token 上下文、但單價只有主流旗艦幾十分之一的型號。

對學校而言,更值得注意的是授權:權重以 MIT 授權公開。這是所有主流開源授權中最寬鬆的一種,對想完全自主部署的辦學團體有實際意義。但「可以下載」與「跑得起」是兩件事,下文會說清楚。

現行陣容:一條 Flash 主線加兩個里程碑

DeepSeek-V4.1-Flash 是現行型號,2026 年 9 月 10 日推出,100 萬 token 上下文、38.4 萬 token 輸出,原生處理圖像。定價每 100 萬 token 輸入 0.15 美元、輸出 0.60 美元——但這是非高峰價,高峰時段加倍,而且 DeepSeek 沒有免費層。

再往前是 DeepSeek-V4-Pro 與 V4-Flash(2026 年 8 月 16 日),這一代首次引入高峰與非高峰的分時定價。更早的兩個版本則是理解整條路線的關鍵:DeepSeek-R1(2025 年 1 月 20 日)是那個改變業界預期的開源推理模型,至今仍是學校自架討論中最常被點名的對象;DeepSeek-V3(2024 年 12 月 26 日)則把 MoE 架構帶進主流視野。

完整的版本、日期與價格對照,見本頁下方自動生成的系列表。

優點:對學校而言最實際的四點

1. 授權條款清晰。MIT 是寬鬆授權中最容易向法團校董會解釋的一種:可商用、可修改、可再發佈。相對於部分同行的自訂授權(附帶收入門檻或用途限制),核對成本低得多。
2. 單價最低。0.15 / 0.60 美元的非高峰價,在所有主流供應商中屬最低一檔。對量大而難度不高的批量任務,成本優勢明顯。
3. 長上下文便宜。100 萬 token 上下文配上壓縮過的快取設計,使「一次讀完整份校本文件」在成本上比其他供應商可行。
4. 蒸餾版本生態成熟。R1 的蒸餾系列在 Ollama 上有由 1.5B 到 70B 的多個尺寸,學校可以按現有硬件選一個先做概念驗證,不必先買機再試。

缺點與局限:必須先說清楚的部分

• 官方 API 屬跨境資料傳輸。DeepSeek 的伺服器在中國內地,任何含有學生姓名、班別或作品內容的請求都會離開香港。學校應先按《個人資料(私隱)條例》的保障資料原則完成評估並存檔,再決定是否開通。這是本頁最重要的一點。
• 旗艦自架並不現實。552B 參數的完整權重需要伺服器級多卡環境,不是一般學校的機房能負擔。實際可行的是蒸餾或量化版本,而它們與旗艦的能力差距相當明顯,不能用旗艦的評測數字來推銷校內部署。
• 蒸餾版本的授權要逐個核對。R1 的權重是 MIT,但部分蒸餾型號衍生自 Qwen 2.5(Apache 2.0)或 Llama 3.1 與 3.3(各自的 Llama 授權)。採購文件寫「MIT 授權」之前,請先確認實際下載的是哪一個。
• 沒有 embedding 與語音模型。DeepSeek 只做語言模型。校本知識庫的向量索引與口語練習,仍要由 OpenAI 或 Azure OpenAI 承擔。
• 高峰加倍且無免費層。0.15 / 0.60 美元只在非高峰時段適用,而香港學校的使用高峰(上課日的日間)未必落在非高峰時段內。做成本估算時不要直接用最低價乘用量。
• 本地化與幻覺。與所有模型一樣,DeepSeek 在香港課程細節、繁體中文用語習慣、本地考評術語上會出錯,而且部分表述會偏向內地用語。所有輸出必須教師覆核。

適用場景

教師:如果學校已完成評估並開通,適合用於大量而不涉及學生個人資料的工作,例如把英文教材改寫成不同難度、整理公開資料的專題背景、生成練習題初稿。涉及學生作品與姓名的批改,建議留在已評估的原生供應商上。

學生:只在自架情況下考慮。若學校用 Ollama 跑蒸餾版本,資料完全不出校網,配合平台的四層守門與導師模式,這是風險最可控的一條路。但要先讓教師實測過蒸餾版本的中文回饋質素,再決定用在哪一科。

IT 主任:先做兩件事。第一,寫一份私隱評估,列明資料類別、傳送目的地、保障水平與替代方案,並由管理層簽署。第二,用一台現有工作站跑 Ollama 上的中型蒸餾型號做概念驗證,實測繁體中文輸出質素與回應速度,再決定是否值得為此採購硬件。

教育場景實測提示

以下提示可直接複製到 Edor.ai 的教師工具或任何 DeepSeek 介面試用。留意「限制」那幾句,它才是讓輸出可用的關鍵:

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]

在 Edor.ai 的可用性

DeepSeek 不是 Edor.ai 的原生供應商。平台原生支援的五條路線是 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama,當中沒有 DeepSeek 的獨立接口。學校實際上只有兩條路:

第一條,用本地 Ollama 自架。這是我們建議的路線。把蒸餾或量化版本下載到校內伺服器,推理在校網內完成,學生資料完全不外傳,平台的四層守門、教師監控與 ai_audit_logs 稽核紀錄照常運作。代價是硬件成本,以及蒸餾版本與旗艦之間的能力差距。

第二條,直接呼叫 DeepSeek 官方 API。這屬於跨境資料傳輸。學校必須先完成私隱評估,清楚列明會傳送哪些資料、傳去哪裡、有何保障、有沒有更低風險的替代方案,並由管理層簽署存檔。我們不會建議在未完成這一步之前開通學生場景。

無論走哪一條,DeepSeek 本身都沒有 embedding 與語音模型,校本知識庫與口語練習仍需 OpenAI 或 Azure OpenAI 金鑰。若學校的目標是「資料不出校網」而非「一定要用 DeepSeek」,值得同時比較其他開源權重方案,並參考 平台的資料與保安說明。

替代方案

• 同樣走自架路線,但中文能力更受肯定 → 看 Alibaba Qwen。
• 同樣走自架路線,但硬件門檻更低 → 看 Meta 開源權重 或 Mistral。
• 想要原生整合、開箱即用 → 看 OpenAI 或 Anthropic Claude。
• 想一次看清內地各家模型的差異與風險 → 讀 DeepSeek、Kimi、Qwen、GLM 橫向比較 與 開源與閉源的成本與私隱權衡。