دیپ سیک (DeepSeek) چیست؟ مدل‌ها، کاربردها و حریم خصوصی
دیپسیک نام یک شرکت چینی و خانواده مدلهای هوش مصنوعی آن است. با نسخه‌های V4 در اکتبر ۲۰۲۶، کاربردهای روزمره، مفهوم وزن‌های باز و نکات استفاده از آن در 1ai آشنا شوید.
دیپ سیک (DeepSeek) نام یک شرکت چینی سازنده هوش مصنوعی و خانواده مدلهای آن است که برای گفت‌وگو، نوشتن، کمک به برنامه‌نویسی و حل مسائل به کار می‌روند. ویژگی مهم این خانواده، انتشار وزن‌های برخی مدل‌ها برای استفاده و استقرار مستقل است؛ البته استفاده از چت آنلاین با اجرای مدل روی زیرساخت شخصی فرق دارد. در اکتبر ۲۰۲۶، برای انتخاب نسخه باید به نام دقیق مدل، از جمله DeepSeek V4 Pro و DeepSeek V4.1 Flash، توجه کنید.
دیپ سیک چیست و چه تفاوتی با یک چت‌بات دارد؟
وقتی کسی می‌گوید «از دیپسیک پرسیدم»، ممکن است منظورش سایت رسمی، اپلیکیشن یا مدل ارائه‌شده در پلتفرمی دیگر باشد. شرکت سازنده، مدل و محیط گفت‌وگو سه چیز جدا هستند. مدل پاسخ را تولید می‌کند؛ محیط گفت‌وگو امکاناتی مثل نگهداری تاریخچه، جست‌وجو یا شیوه پرداخت را در اختیار شما می‌گذارد.
برای مثال، یک مدل واحد ممکن است در دو سرویس در دسترس باشد، اما سقف ورودی، ابزارهای متصل و تنظیمات متفاوتی داشته باشد. بنابراین دیدن نام DeepSeek به‌تنهایی برای نتیجه‌گیری درباره تمام امکانات یک سرویس کافی نیست. اگر بخواهید مفهوم مدل زبانی را دقیق‌تر بشناسید، مقاله مدل زبانی بزرگ چیست؟ نقطه شروع مناسبی است.
برای کاربر معمولی، پرسش اصلی این است: آیا این ابزار کار مشخص من را بهتر پیش می‌برد؟ نوشتن پیش‌نویس یک ایمیل، توضیح یک مبحث درسی یا پیدا کردن ایراد احتمالی کد، کارهای قابل‌آزمایشی هستند. پاسخ مفید را با خروجی واقعی بسنجید، نه صرفاً تعداد پارامترها یا شهرت نام مدل.
وزن‌های باز یعنی چه؟ آیا همان متن‌باز است؟
وزنها اعدادی هستند که الگوهای آموخته‌شده مدل را در خود نگه می‌دارند. وقتی وزن‌های یک مدل منتشر می‌شوند، تیم‌های فنی می‌توانند با رعایت مجوز آن، مدل را روی زیرساخت خود اجرا یا برای نیاز مشخصی تنظیم کنند. این امکان با دسترسی صرف به یک سایت گفت‌وگو تفاوت اساسی دارد.
برای نمونه، طبق کارت رسمی DeepSeek V4.1 Flash، مخزن و وزن‌های این نسخه تحت مجوز MIT منتشر شده‌اند. همان کارت مدل، ورودی متن و تصویر و خروجی متن را توصیف می‌کند. این مشخصات متعلق به خود مدل است؛ ارائه هر قابلیت در یک سرویس واسط را باید جداگانه بررسی کرد.
اصطلاح «وزن‌های باز» دقیق‌تر از این تصور است که همه اجزای ساخت مدل عمومی شده‌اند. انتشار وزنها لزوماً به معنای انتشار تمام داده‌های آموزشی، جزئیات پالایش داده یا امکان بازتولید کامل آموزش نیست. همچنین مجوز یک نسخه را نباید بدون بررسی به همه محصولات شرکت تعمیم داد.
اجرای مستقل هم الزاماً ارزان یا ساده نیست. دریافت وزنها یک بخش کار است؛ حافظه، سخت‌افزار، نگهداری سرور و مدیریت دسترسی بخش‌های دیگرند. برای بیشتر دانشجویان و فریلنسرها، استفاده از سرویس آماده عملی‌تر است؛ استقرار اختصاصی زمانی معنا دارد که نیاز فنی و منابع لازم روشن باشد.
خانواده V4 در اکتبر ۲۰۲۶؛ کدام نسخه را می‌بینیم؟
وضعیت این بخش در اکتبر ۲۰۲۶، برابر با مهر و آبان ۱۴۰۵، بررسی شده است. طبق فهرست تغییرات رسمی DeepSeek، خانواده V4 در ۲۴ آوریل معرفی شد، V4 Pro در ۱۳ اوت به انتشار عمومی رسید و V4.1 Flash در ۱۰ سپتامبر عرضه شد. در ۱۷ اکتبر نیز به‌روزرسانی DeepSeek-V4.1-Flash-1017 اعلام شده است.
| نام نسخه | وضعیت در مستندات رسمی | نکته کاربردی |
|---|---|---|
| DeepSeek V4 Pro | ادامه ارائه در API تأیید شده است | صرف نام Pro را نشانه برتری در همه کارها ندانید |
| DeepSeek V4.1 Flash | نسخه جدیدتر با درک بصری بومی | پشتیبانی سرویس میزبان از ورودی تصویر را جدا بررسی کنید |
| DeepSeek V4 Flash | نسخه قدیمی در API رسمی کنار گذاشته شده است | نام قدیمی ممکن است به نسخه جدید هدایت شود |
در API رسمی، نام deepseek-flash به V4.1 Flash اشاره می‌کند و درخواست‌های بعضی نام‌های قدیمی به آن هدایت می‌شوند. بنابراین یک آموزش قدیمی ممکن است نامی داشته باشد که دیگر به همان نسخه اولیه اشاره نمیکند. نام‌های داخل 1ai هم شناسه‌های همان پلتفرم هستند و نباید با شناسه API مستقیم شرکت جابه‌جا شوند.
برای انتخاب روزمره، دو نسخه موجود را روی یک درخواست یکسان امتحان کنید. اگر خلاصه‌سازی می‌خواهید، وفاداری به متن را بسنجید؛ اگر کد می‌خواهید، درست اجرا شدن و پوشش حالت‌های خطا را بررسی کنید. جدیدتر بودن نسخه یا طولانی‌تر بودن پاسخ، به‌تنهایی معیار کیفیت نیست.
چه کارهایی را میتوان با آن انجام داد؟
یادگیری و حل مسئله با امکان بررسی
به‌جای درخواست «جواب این سؤال را بده»، از مدل بخواهید صورت مسئله را روشن کند، فرض‌ها را بنویسد و نتیجه را با یک مثال ساده بررسی کند. ارزش عملی چنین استفاده‌ای، تبدیل یک سؤال مبهم به مراحل قابل‌پیگیری است. پاسخ نهایی را همچنان باید با منبع درس یا محاسبه مستقل تطبیق دهید.
می‌خواهم مفهوم احتمال شرطی را یاد بگیرم.
با یک مثال ساده از دو کیسه مهره توضیح بده.
ابتدا اطلاعات معلوم و مجهول را مشخص کن.
بعد از توضیح، یک تمرین مشابه بدون پاسخ بده.
اگر سؤال من مبهم است، پیش از حل یک سؤال روشن‌کننده بپرس.کمک به کدنویسی و عیب‌یابی
میتوانید یک قطعه کد کوچک و پیام خطای مرتبط را بدهید و توضیح علت احتمالی را بخواهید. درخواست اصلاح محدود معمولاً ارزیابی آسان‌تری از درخواست «کل پروژه را بازنویسی کن» دارد. هیچ کلید دسترسی، رمز پایگاه داده یا اطلاعات واقعی مشتری را همراه کد نفرستید.
این تابع پایتون باید میانگین اعداد یک فهرست را برگرداند.
برای فهرست خالی خطا می‌دهد.
علت خطا را توضیح بده و کمترین تغییر لازم را پیشنهاد کن.
سه ورودی آزمایشی، شامل فهرست خالی، ارائه کن.
قبل از دیدن کد درباره علت قطعی خطا حدس نزن.
کد را در پیام بعدی می‌فرستم.کدی را که دریافت می‌کنید ابتدا در محیط آزمایشی اجرا کنید. در 1ai، ابزار رفع خطای کد نیز می‌تواند نقطه شروع یک درخواست ساختارمند باشد. وجود ابزار آماده، نیاز به بررسی خروجی و سازگاری با پروژه را از بین نمی‌برد.
خلاصه‌سازی، بازنویسی و کار با متن فارسی
برای یک متن طولانی، میتوانید خلاصه، فهرست تصمیم‌ها یا پرسش‌های بی‌پاسخ بخواهید. نکته مهم این است که مدل را به همان متن محدود کنید؛ در غیر این صورت ممکن است توضیحی اضافه کند که در منبع شما وجود ندارد. برای ترجمه نیز واژه‌نامه تخصصی و مخاطب مقصد را مشخص کنید.
متن زیر یادداشت جلسه یک فروشگاه اینترنتی است.
فقط بر اساس همین متن پاسخ بده.
خروجی را در سه بخش بنویس: تصمیم‌ها، کارهای بعدی، ابهام‌ها.
برای هر کار، مسئول و مهلت را فقط اگر در متن آمده ذکر کن.
اطلاعات غایب را «مشخص نشده» بنویس و چیزی نساز.
لحن فارسی رسمی و ساده باشد.
[متن بدون اطلاعات شخصی را اینجا قرار می‌دهم]برای سنجیدن کیفیت فارسی، به روانی جمله‌ها، نیم‌فاصله، اصطلاحات تخصصی و حفظ منظور توجه کنید. یک پاسخ خوش‌خوان ممکن است معنای یک بند را تغییر داده باشد. متن حساس یا قابل‌انتشار را با اصل ورودی مقابله کنید و بازنویسی را بازبینی انسانی دهید.
نقاط قوت و محدودیت‌ها را چگونه بسنجیم؟
مزیت روشن وزن‌های باز، اختیار بیشتر برای تیمی است که می‌خواهد مدل را مستقل مستقر کند. در استفاده روزمره نیز میتوان توانایی مدل را در توضیح، ساختاربندی متن و پیشنهاد راه‌حل آزمود. این‌ها پیشنهاد کاربرد هستند، نه ادعای برتری قطعی بر همه مدلهای دیگر.
مدل ممکن است منبعی بسازد، عددی را اشتباه محاسبه کند یا با اطمینان از یک فرض نادرست دفاع کند. طولانی بودن توضیح هم تضمین درستی استدلال نیست. برای بررسی، به‌جای درخواست نمایش تمام فرایند درونی مدل، فرض‌ها، محاسبات قابل‌تکرار و شواهد پشتیبان نتیجه را بخواهید.
اطلاعات تازه را نیز باید جدا بررسی کرد. وجود نام یک مدل به معنای اتصال دائمی آن به اینترنت نیست؛ جست‌وجو قابلیتی است که سرویس میزبان باید فراهم کند. اگر پاسخ درباره رویداد یا نسخه نرم‌افزار تازه است، تاریخ و منبع قابل‌بازکردن بخواهید و خود منبع را بخوانید.
برای یک مقایسه منصفانه با مدلهای دیگر، پنج کار واقعی خود را انتخاب کنید: یک متن فارسی، یک خلاصه، یک مسئله منطقی، یک ترجمه تخصصی و در صورت نیاز یک خطای کد. دستورها و ورودی‌ها را ثابت نگه دارید و امتیاز بدهید:
| معیار | پرسش هنگام بررسی |
|---|---|
| صحت | آیا ادعاها با منبع یا آزمایش مستقل سازگارند؟ |
| رعایت دستور | آیا قالب، طول و محدودیت خواسته‌شده رعایت شده است؟ |
| کیفیت فارسی | آیا متن طبیعی است و اصطلاحات درست به کار رفته‌اند؟ |
| کاربردپذیری | چقدر ویرایش لازم است تا خروجی قابل‌استفاده شود؟ |
| مصرف اعتبار | آیا کیفیت نهایی، مصرف نمایش‌داده‌شده را توجیه می‌کند؟ |
بهترین انتخاب ممکن است برای هر کار متفاوت باشد. اگر یک نسخه برای پیش‌نویس مناسب است، لازم نیست برای تحلیل تخصصی هم همان را انتخاب کنید. خروجی یکسان را چند بار نسنجید تا فقط پاسخ دلخواهتان ظاهر شود؛ خطاهای تکرارشونده خودشان بخشی از نتیجه آزمون هستند.
حریم خصوصی؛ مدل باز با گفتوگوی خصوصی فرق دارد
ارائه‌دهنده خدمات رسمی، شرکت Hangzhou DeepSeek Artificial Intelligence Co., Ltd. مستقر در چین است. سیاست حریم خصوصی DeepSeek، با تاریخ به‌روزرسانی ۱۰ فوریه ۲۰۲۶، جمع‌آوری ورودی‌ها و تاریخچه گفت‌وگو، استفاده از داده برای بهبود و آموزش فناوری، و پردازش و ذخیره داده‌های شخصی در چین را توضیح می‌دهد. همان سند می‌گوید قواعد پردازش داده کاربران برنامه‌های پایین‌دستی توسعه‌دهندگان باید در سیاست همان برنامه‌ها مشخص شود.
در نتیجه، استفاده مستقیم از سایت شرکت، استفاده از 1ai و اجرای مستقل مدل را یکسان فرض نکنید. درباره مسیر پردازش، نگهداری داده یا استفاده آموزشی در یک سرویس واسط، باید سیاست همان سرویس و تأمین‌کنندگان مرتبط را بررسی کرد. از باز بودن وزنها نمیتوان محرمانه بودن خودکار گفت‌وگو را نتیجه گرفت.
پیش از ارسال متن، نام و شماره تماس را حذف کنید، شناسه مشتری را با یک مقدار فرضی جایگزین کنید و فقط بخش لازم را بفرستید. مثلاً برای اصلاح لحن پاسخ به مشتری، متن شکایت و پاسخ پیشنهادی کافی است؛ آدرس و سابقه خرید کامل معمولاً کمکی به کار نمیکند. برای مثال‌های بیشتر، راهنمای حریم خصوصی و امنیت داده را بخوانید.
استفاده از DeepSeek در 1ai؛ از ورود تا اولین درخواست
وان ای آی (1ai) محیطی فارسی برای دسترسی به مدلهای مختلف، بدون حساب خارجی، کارت خارجی یا VPN است. در فهرست فعلی آن، DeepSeek V4 Pro با شناسه deepseek/deepseek-v4-pro و DeepSeek V4.1 Flash با شناسه deepseek/deepseek-v4.1-flash در دسترس‌اند. برای بررسی گزینه‌ها از فهرست مدل‌ها شروع کنید.
۱. با شماره موبایل و رمز یک‌بارمصرف پیامکی وارد شوید.
۲. در محیط گفت‌وگو، مدل موردنظر را انتخاب کنید و نام دقیق نسخه را ببینید.
۳. یک درخواست کوتاه و روشن بنویسید؛ هدف، مخاطب، اطلاعات لازم و قالب خروجی را مشخص کنید.
۴. نتیجه را بررسی کنید و اگر لازم بود، اصلاح مشخص بخواهید؛ مثلاً «همین متن را کوتاه‌تر کن و وعده قطعی را حذف کن».
۵. برای مقایسه، همان درخواست را به مدل دیگر بدهید و صحت و میزان ویرایش لازم را بسنجید.
محیط راست‌به‌چپ 1ai تاریخچه، شاخه‌بندی گفت‌وگو، حافظه و جست‌وجوی وب دارد. بااین‌حال، قابلیت خود مدل را با امکانات فعال در یک گفتوگوی مشخص یکی نگیرید؛ به‌خصوص درباره ورودی تصویر یا ابزارهای متصل، وضعیت همان محیط را بررسی کنید.
پرداخت به تومان از درگاه ایرانی و با اعتبار یکپارچه انجام میشود. هر حساب روزانه مقداری اعتبار رایگان برای مدلهای مشمول استفاده رایگان می‌گیرد؛ این قاعده به معنی رایگان بودن تمام درخواست‌های DeepSeek نیست. شرایط هر مدل و مصرف اعتبار را پیش از استفاده بررسی کنید؛ راهنمای اعتبار یکپارچه سازوکار آن را توضیح می‌دهد.
توسعه‌دهندگان نیز می‌توانند از API سازگار با OpenAI در https://1ai.ir/v1 استفاده کنند. در این مسیر باید شناسه مدل مربوط به 1ai را به کار ببرند. سازگاری قالب API به معنای یکسان بودن همه پارامترها و ابزارها در تمام مدل‌ها نیست؛ پیش از اتصال به محصول، یک درخواست نمونه و مدیریت خطا را آزمایش کنید.
سوالات متداول
آیا دیپ سیک همان ChatGPT است؟
خیر؛ DeepSeek و ChatGPT محصولات یک شرکت نیستند. ممکن است هر دو را در محیط گفت‌وگو به کار ببرید، اما مدل‌ها، امکانات سرویس و سیاست‌های داده آن‌ها متفاوت‌اند.
آیا DeepSeek رایگان است؟
هزینه به نسخه و روش دسترسی بستگی دارد؛ انتشار وزنها به معنی رایگان بودن اجرای سرور یا تمام سرویسها نیست. در 1ai روزانه مقداری اعتبار رایگان برای مدلهای مشمول استفاده رایگان ارائه میشود و شرایط مدل انتخابی را باید بررسی کنید.
آیا DeepSeek V4.1 Flash همیشه از V4 Pro بهتر است؟
برای کار شخصی شما نمیتوان بدون آزمون حکم قطعی داد. یک درخواست یکسان را با هر دو نسخه اجرا کنید و صحت، رعایت دستور، کیفیت فارسی و مصرف اعتبار را مقایسه کنید.
آیا میتوان اطلاعات محرمانه را به مدل وزنباز داد؟
باز بودن وزنها درباره محل نگهداری گفتوگوی آنلاین چیزی را تضمین نمیکند. داده حساس را حذف یا ناشناس کنید و سیاست سرویس میزبان را پیش از ارسال اطلاعات بررسی کنید.
آیا دیپسیک فارسی میفهمد؟
میتوانید درخواست فارسی بنویسید و کیفیت پاسخ را با چند نمونه واقعی خود بسنجید. برای نتیجه بهتر، لحن، مخاطب و اصطلاحات موردنظر را مشخص کنید و متن نهایی را از نظر معنا و نگارش بازبینی کنید.
برای شروع، یک کار کوچک و قابل‌بررسی انتخاب کنید؛ مثلاً خلاصه یک متن غیرحساس یا توضیح یک مفهوم درسی. از ورود به 1ai شروع کنید، مدل را انتخاب کنید و پیش از استفاده جدی، خروجی را با معیارهای خود بسنجید.
