满屏都在盛赞DeepSeek，甚至《黑神话悟空》的主创冯骥都表示“DeepSeek是国运级别的科技成果”。
2025年1月27日，DeepSeek更是超越ChatGPT，登顶苹果美国区免费App下载排行榜第一。
有一说一，DeepSeek确实好，开源免费、简单小巧、训练成本低都是优点，而且会给出看似缜密的推理过程。
DeepSeek有多好，举个例子，假如我们现在把“我是脱口秀演员何广智，请你模仿我的风格，给我写吃饭的段子，需要讲够5分钟”这个问题丢给主流的几家国产大模型，没有哪家比DeepSeek回答得更好
不过DeepSeek也有一些明显的不足，现在阶段还不能过高评价。
1、套路化、公式化的创作，AI味还是很浓
我们阅读文章时，经常会说这是华尔街体、虎嗅体一样，有很明显的创作特征。这种明显的特征被机器学习利用后，机器会把这种特征规则化、套路化，最终呈现的内容看起来非常专业严谨，却反而暴露出机器短板--一看就是机器创作。
DeepSeek的创作也是如此，充斥着更严谨的套路化创作。它呈现内容真的太好了，有人说“它比人还好”，这不完全是一句褒义词，另外一层含义是，看起来还是像机器写的。
当然，这一点要比国家其他大模型好很多。
2、低级错误频发，无法对呈现内容自我校准
前两年，主流大模型出现过“林黛玉倒拔垂杨柳”之类的张冠李戴的错误。现在虽然有所改进，但各种低级错误频发，且一本正经呈现的案例也时有发生。
DeepSeek也不例外，这几天我在使用时发现了大量的错误呈现。在我提问关于“丁道师”的内容，发现了大量非常低级的错误，这些错误按理说很容易识别，但DeepSeek还是执拗地给出了自己的答案。
比如这句话：“您提到的“丁道师”应是中国互联网行业资深分析师、知名科技评论人丁道师(本名丁磊)，他在互联网经济、电商、新媒体等领域有长期观察和研究。”
实则丁道师并非丁磊，如此混淆，实在不该。
3、对因果关系理解欠佳
之前有位大佬提到过一个假设，大意是“如果我们现在到处发文章和论文，论证人可以把石头当饭吃，长期以往，机器就以为人可以把石头当饭吃，可能就会输出这样的内容。”
现在国内的几家大模型服务，包括DeepSeek也遇到这个问题。
比如这个论述“吕梁被评为中国电商扶贫示范市”，吕梁其实从来都没有被评为中国电商扶贫示范市，咱们国家也没有这样一个评选。
这种因果关系的错乱，是这样导致的：有作者认为吕梁可以作为一个电商扶贫示范市看待，并且把这个论述发到了多种权威媒体。结果现在被DeepSeek一通深度推理过后，就变成了“吕梁被评为中国电商扶贫示范市”。
写在最后：总而言之，以理性的眼光看待 DeepSeek 的成果至关重要。须知，任何科技创新都需遵循科技发展的一般规律，DeepSeek 自然也不例外。
