滿屏都在盛贊DeepSeek，甚至《黑神話悟空》的主創馮驥都表示“DeepSeek是國運級別的科技成果”。

　　2025年1月27日，DeepSeek更是超越ChatGPT，登頂蘋果美國區免費App下載排行榜第一。

　　有一說一，DeepSeek確實好，開源免費、簡單小巧、訓練成本低都是優點，而且會給出看似縝密的推理過程。

　　DeepSeek有多好，舉個例子，假如我們現在把“我是脫口秀演員何廣智，請你模仿我的風格，給我寫吃飯的段子，需要講夠5分鐘”這個問題丟給主流的幾家國產大模型，沒有哪家比DeepSeek回答得更好

　　不過DeepSeek也有一些明顯的不足，現在階段還不能過高評價。

　　1、套路化、公式化的創作，AI味還是很濃

　　我們閱讀文章時，經常會說這是華爾街體、虎嗅體一樣，有很明顯的創作特征。這種明顯的特征被機器學習利用后，機器會把這種特征規則化、套路化，最終呈現的內容看起來非常專業嚴謹，卻反而暴露出機器短板--一看就是機器創作。

　　DeepSeek的創作也是如此，充斥著更嚴謹的套路化創作。它呈現內容真的太好了，有人說“它比人還好”，這不完全是一句褒義詞，另外一層含義是，看起來還是像機器寫的。

　　當然，這一點要比國家其他大模型好很多。

　　2、低級錯誤頻發，無法對呈現內容自我校準

　　前兩年，主流大模型出現過“林黛玉倒拔垂楊柳”之類的張冠李戴的錯誤。現在雖然有所改進，但各種低級錯誤頻發，且一本正經呈現的案例也時有發生。

　　DeepSeek也不例外，這幾天我在使用時發現了大量的錯誤呈現。在我提問關于“丁道師”的內容，發現了大量非常低級的錯誤，這些錯誤按理說很容易識別，但DeepSeek還是執拗地給出了自己的答案。

　　比如這句話：“您提到的“丁道師”應是中國互聯網行業資深分析師、知名科技評論人丁道師(本名丁磊)，他在互聯網經濟、電商、新媒體等領域有長期觀察和研究。”

　　實則丁道師并非丁磊，如此混淆，實在不該。

　　3、對因果關系理解欠佳

　　之前有位大佬提到過一個假設，大意是“如果我們現在到處發文章和論文，論證人可以把石頭當飯吃，長期以往，機器就以為人可以把石頭當飯吃，可能就會輸出這樣的內容。”

　　現在國內的幾家大模型服務，包括DeepSeek也遇到這個問題。

　　比如這個論述“呂梁被評為中國電商扶貧示范市”，呂梁其實從來都沒有被評為中國電商扶貧示范市，咱們國家也沒有這樣一個評選。

　　這種因果關系的錯亂，是這樣導致的：有作者認為呂梁可以作為一個電商扶貧示范市看待，并且把這個論述發到了多種權威媒體。結果現在被DeepSeek一通深度推理過后，就變成了“呂梁被評為中國電商扶貧示范市”。

　　寫在最后：總而言之，以理性的眼光看待 DeepSeek 的成果至關重要。須知，任何科技創新都需遵循科技發展的一般規律，DeepSeek 自然也不例外。