DeepSeek在GitHub星标量超OpenAI：开源路线如何重构大模型竞争格局

2025年2月，国产开源大模型 DeepSeek 在 GitHub 上的星标（Star）总量正式超越 OpenAI，成为开源社区热度最高的 AI 模型项目之一。这一事件表面上是"收藏数"的竞争，背后却折射出开源与闭源两条技术路线的分野、低成本训练对"算力军备竞赛"的冲击，以及全球云厂商与芯片厂商围绕开源模型展开的生态布局。本文基于仓库中 点赞收藏！DeepSeek在GitHub星标量已超OpenAI 这篇行业资讯，结合仓库内 DeepSeek 技术解析、发展历程与开源资源文档，梳理事件数据、技术成因与行业影响，帮助你理解"星标超越"背后的完整逻辑。

一、事件回顾：GitHub 星标对比的关键数据

2025 年 2 月 7 日，据全球最大代码托管平台 GitHub 显示，在两个月内，DeepSeek 的 Star 量（星标）已经超过 OpenAI。截至当日 18 时，DeepSeek 旗下热度最高的项目 DeepSeek-V3 大模型 Star 量达到 7.82 万，超越同平台中 OpenAI 最热门项目的 6.93 万；Meta 旗下的 Llama 星标量最高超过 5.7 万，阿里旗下的 Qwen 2.5 星标量超 1.4 万。

从仓库中 DeepSeek 开源项目 可以看到，DeepSeek 的开源矩阵远不止 V3 一个项目：官方开源了 DeepSeek-R1、DeepSeek-V3、DeepSeek-V2、DeepSeek-Coder-V2、DeepSeek-Coder、DeepSeek-LLM、Janus（统一多模态理解与生成模型）、DreamCraft3D、DeepSeek-Math、DeepSeek-MoE、DeepSeek-VL2、DeepSeek-VL 等一系列模型。这些项目共享 deepseek-ai 组织账号，星标累计效应显著，也让"DeepSeek 星标总量超过 OpenAI"成为一个可被社区持续观察的指标。

值得注意的是，该数据为事件发生当日的快照，星标数量处于持续变动之中；且 OpenAI 最热门项目（6.93 万）与其是否开源、项目定位均有直接关系，不宜将其简单解读为"能力高下"的定论。

二、星标（Star）对开源项目究竟意味着什么

GitHub 官方对"星标"的解释是："星标意味着被用户收藏，许多项目的评级取决于拥有的星标数量。标星操作便于以后再次找到仓库或主题。可以对存储库和主题标星以跟踪感兴趣的项目，并在消息馈送中发现相关内容。"

星标虽然不是代码提交数、Issue 数那样"硬核"的技术指标，但它在开源社区中承担了三个层面的功能：

1. 兴趣追踪：开发者通过标星在 GitHub 消息馈送中持续跟踪项目更新，这是项目"粉丝留存"的直接体现；
2. 项目评级：GitHub 的 Trending 列表、仓库热度排序在很大程度上依赖星标数量，高星标意味着更高的社区可见度与发现概率；
3. 行业认可信号：大量开发者愿意主动"收藏"一个项目，代表该项目的技术价值、文档质量或实用场景得到了开发者群体的认可。

不过，业内人士也向媒体指出，由于 DeepSeek 是开源大模型，而 OpenAI 未开源、其最热门仓库主要是 API 案例和使用指南，这种开源/闭源的差异在一定程度上会影响星标数量。因此，星标数量不能完全代表两个大模型在能力上的区别，但它代表了 AI 行业整体的认可程度——这是解读本次事件最需要把握的边界。

三、星标之外的佐证：网站流量与 App 增长

星标数据并非孤证。据研究公司 SimilarWeb 估计，在短短一周内，DeepSeek 网站的用户数量就超过了谷歌的 Gemini 聊天 AI（后者已上线近两年）。DeepSeek.com 在当周周二的访问量达到创纪录的 4900 万次，比前一周增长了 614%。

与此同时，官方 App 的数据同样惊人：DeepSeek 应用上线 20 天，日活就突破了 2000 万。仓库中 DeepSeek 发展历程 记载，2025 年 1 月 27 日，DeepSeek 智能助手在美区苹果 App Store 下载榜上超越 ChatGPT，并登顶 App Store 免费应用榜榜首。流量、日活与 GitHub 星标三个维度的数据相互印证，共同勾勒出 DeepSeek 在 2025 年 1—2 月间"现象级"走红的完整图景。

四、星标超越背后的技术底气：开源、低成本与高性能

为什么一个成立仅一年多团队的模型，能在两个月内赢得如此多的社区收藏？仓库内技术文档给出了答案：DeepSeek 走了一条与 OpenAI 完全不同的路线——基于极致算法与工程优化，用远低于美国同行的成本训练出能力相当的模型，并以开源方式发布。

4.1 训练成本与能力定位

据公开资料显示，DeepSeek 旗下开源的 V3 模型训练成本约为 550 万美元，明显低于美国类似解决方案的成本。仓库中 DeepSeek 发展历程 给出了更具体的记录：DeepSeek-V3 基于 2048 块英伟达 H800 GPU（针对中国大陆市场的版本）集群训练 55 天完成，训练耗资 557.6 万美元；其评测成绩超越 Qwen2.5-72B 和 LLaMA 3.1-405B 等开源模型，并能与 GPT-4o、Claude 3.5-Sonnet 等闭源模型相抗衡。

同时，它的能力与 ChatGPT 的功能相当，但有一个重要的区别：该模型可以免费下载并在本地服务器上运行，也因此广受企业和组织关注——这直接解释了为什么开发者愿意大量收藏其仓库：拿到手就能用、就能部署。

4.2 低成本如何成为可能：技术拆解

DeepSeek-V3 高效训练关键技术分析 从模型架构、并行策略、通信优化和显存优化四个方面拆解了这套"5% 算力训练出对标 GPT-4o 的模型"的方法论：

• DeepSeekMoE 混合专家架构：每个 MoE 层由 1 个共享专家和 256 个路由专家构成（共 58 个 MoE 层、14906 个专家），每个输入 Token 只激活 8 个路由专家。共享专家处理不同输入间的共性特征以减少参数冗余，路由专家则按门控网络打分精准处理特定特征的数据，从而避免过度激活带来的计算浪费；
• 多头潜在注意力（MLA）：对注意力键和值进行低秩联合压缩，显著减少推理时的 KV 缓存占用，提升推理效率；
• 无辅助损失负载均衡 + 序列级负载均衡：为每个专家引入可学习偏置项，随负载动态调整路由得分，避免引入辅助损失函数带来的训练不稳定问题；
• 多 Token 预测（MTP）：一次前向传播预测多个 Token，据称推理生成速度可提升约 1.8 倍，同时提升数据利用效率；
• FP8 混合精度训练与精细量化：GEMM 操作采用 FP8 精度执行，关键操作保持 BF16/FP32 高精度，并配合分块量化、块级量化、高精度累加三种策略控制量化误差；
• 并行与通信优化：采用 16 路流水线并行（PP）+ 64 路专家并行（EP）+ ZeRO-1 数据并行（DP），通过 DualPipe 双向流水线调度减少流水线气泡，并用定制 PTX 将 GPU 的 132 个 SM 中划出 20 个专门处理服务器间通信任务。

4.3 推理模型 R1：星标热度的另一个引擎

2025 年 1 月 20 日发布的 DeepSeek-R1 同样在 GitHub 上获得了大量关注。该模型在数学、代码、自然语言推理等任务上性能与 OpenAI o1 正式版相当，并采用 MIT 许可协议，支持免费商用、任意修改和衍生开发。

仓库中 DeepSeek-R1的四个训练阶段 记载了 R1 的完整训练流水线：冷启动 SFT（人工收集数千条高质量长链思维数据规范输出）→ 面向推理的强化学习（采用 GRPO 算法，通过规则奖励与语言一致性奖励驱动优化）→ 拒绝采样与 SFT（约 60 万条推理数据 + 20 万条非推理数据）→ 全场景强化学习（结合神经奖励模型对齐人类偏好）。其强化学习阶段采用的 GRPO（组相对策略优化） 算法不再依赖价值网络，通过组内相对奖励计算优势值并引入 KL 散度约束，显著降低了内存占用与训练成本——相关细节可参考 DeepSeek-R1的训练流程强化学习（RL）阶段采用了GRPO算法。

正是"开源 + 低成本 + 高性能"的组合拳，让 DeepSeek 在短短两个月内赢得了全球开发者的收藏，也点燃了外界对"国产大模型能否以更小代价追赶前沿"的讨论。

五、全球性震动与行业连锁反应

DeepSeek 的强大能力引发了全球性震动，尤其是引发了美国科技公司的集体性焦虑。据美国全国广播公司（NBC）报道，美国总统特朗普当地时间 1 月 27 日在佛罗里达州迈阿密举行的共和党会议上表示，中国人工智能初创公司 DeepSeek 的 AI 技术给美国科技企业敲响"警钟"，美国公司"需要专注于竞争以赢得胜利"。

5.1 海外巨头加速上新

海外科技巨头随即密集加快上新速度：

• 谷歌（当地时间 2 月 5 日）：Gemini 系列全面上新，包括正式版 Gemini 2.0 Flash、Gemini 2.0 Flash-Lite、新一代旗舰 Gemini 2.0 Pro 实验版，并在 Gemini App 中推出推理模型 Gemini 2.0 Flash Thinking 实验版，被视为对近期走红的推理模型 DeepSeek-R1 和 OpenAI 旗下 o3-mini 的回应；
• OpenAI（同日，谷歌上新几小时后）：宣布 ChatGPT Search 向所有人开放、无需注册，与谷歌搜索直接竞争，不少网友调侃"谷歌再见"，也有网友表示"感恩 DeepSeek"。

5.2 国内云厂商全线接入 R1

在 2 月初，华为云、腾讯云、阿里云、百度智能云等国内主流云平台纷纷宣布上线 DeepSeek 旗下的 R1 大模型。仓库中 DeepSeek"朋友圈"不断扩围：10家国内外云厂商宣布接入 记录了更完整的接入图谱：

• 移动云（2 月 5 日）：全面上线 DeepSeek，实现全版本覆盖、全尺寸适配、全功能畅用，覆盖全国 13 个智算中心；
• 联通云（2 月 5 日）：基于星罗平台适配 A800、H800、L40S 等多款算力卡，预置多规格 R1 模型；
• 京东云（2 月 4 日）：言犀 AI 开发计算平台支持 V3、R1 及全部蒸馏小参数模型一键部署；
• 火山引擎（2 月 4 日）：支持在 veMLP 平台部署全尺寸 DeepSeek 模型，或在火山方舟中通过 API 调用；
• 百度智能云（2 月 3 日）：千帆平台上架 R1 与 V3 模型，R1 输入价格 2 元/百万 token、输出价格 8 元/百万 token；
• 阿里云（2 月 3 日）：PAI Model Gallery 支持一键部署 V3、R1，R1 支持 vLLM 加速部署；
• 腾讯云（2 月 2 日起）：HAI 上 3 分钟接入 R1，默认加载 1.5B 参数模型，随后推出覆盖 1.5B 到 671B 全尺寸的"开发者大礼包"；
• 华为云（2 月 1 日）：与硅基流动联合上线基于昇腾云服务的 R1/V3 推理服务，DeepSeek 系列新模型同步上线昇腾社区。

5.3 海外云厂商与芯片厂商早已行动

海外各云厂商和芯片厂商在更早之前就已宣布上线 DeepSeek-R1 模型：

• 英伟达（北京时间 1 月 31 日）：DeepSeek-R1 登陆 NVIDIA NIM，在单个英伟达 HGX H200 系统上，完整版 DeepSeek-R1 671B 的处理速度可达每秒 3872 Token；
• AMD：已将 DeepSeek-V3 模型集成到 Instinct MI300X GPU 上，针对 AI 推理进行优化；
• AWS（1 月 30 日起）：用户可在 Amazon Bedrock 和 Amazon SageMaker AI 中部署 DeepSeek-R1 模型；
• 微软（当地时间 1 月 29 日）：DeepSeek-R1 在 Azure AI Foundry 和 GitHub 上提供，客户可使用精简版模型在 Copilot+ PC 上本地运行。

六、引发的讨论与监管关注

伴随热度的还有争议。2 月 6 日，外交部发言人郭嘉昆主持例行记者会时，韩联社记者提问：据报道韩国一些政府部门屏蔽对 DeepSeek 的访问，意大利、澳大利亚、印度、美国、日本等国家也传出禁止或限制使用 DeepSeek 的消息，一些企业也屏蔽了访问，中方如何看待？

郭嘉昆回应："我注意到有关情况。"他强调，中国政府高度重视并依法保护数据隐私和安全，从来没有也不会要求企业或个人以违法的形式采集或存储数据；中方一贯反对泛化国家安全概念，将经贸科技问题政治化的做法，同时中方也将坚定维护中国企业的合法权益。

这一插曲表明，DeepSeek 的走红已从纯粹的技术与商业事件，延伸至国际政策与数据安全层面的讨论，这也解释了为何"星标量超越"能引发如此广泛的关注。

七、总结：星标超越意味着什么

从仓库内的多条资料可以综合得出几个审慎的结论：

1. 星标代表社区认可，而非能力定论：星标数量不能完全代表 DeepSeek 与 OpenAI 在大模型能力上的区别，但它真实反映了开源社区对"开源大模型路线"的高度认可；
2. 数据是相互印证的：GitHub 星标（V3 达 7.82 万）、网站周访问量（4900 万次、环比 +614%）、App 日活（20 天突破 2000 万）三条证据线同时指向同一趋势；
3. 技术路线之争成为核心变量：DeepSeek 以约 550 万美元训练成本 + 开源发布的方式，证明了极致算法与工程优化（MoE、MLA、MTP、FP8、GRPO 等）能够显著压缩大模型的训练与部署成本，对"高算力投入"的传统叙事形成了直接冲击；
4. 生态落地紧随其后：从华为云、腾讯云、阿里云、百度智能云到英伟达 NIM、AMD MI300X、AWS Bedrock、微软 Azure，全球云厂商与芯片厂商的密集接入，将 DeepSeek 从"话题"快速推向"生产环境可用"。

对于开发者而言，如果想要进一步了解 DeepSeek 的开源项目清单、官方使用入口与技术原理，可以直接在仓库中查阅：

• DeepSeek 开源项目（官方开源与第三方生态项目清单）
• DeepSeek 官方链接（官网、API 文档、社交账号等入口）
• DeepSeek-V3 高效训练关键技术分析
• DeepSeek-R1的四个训练阶段
• 什么是 DeepSeek（模型家族、核心功能与技术原理概述）
• DeepSeek 发展历程（从 2023 年创立到 2025 年初的关键里程碑）

本文数据均来自 点赞收藏！DeepSeek在GitHub星标量已超OpenAI 及相关仓库文档的事实记录，星标、流量、训练成本等均为事件当时公开报道的数据快照，后续可能随时间变化。