DeepSeek 团队的文章：https://t.co/gpSvqFvVuz
DeepSeek 团队在自己公众号发了篇文章，想看官方一手说法的可以去原文看看。
DeepSeek 团队通过微信公众号 mp.weixin.qq.com 发布了一篇新文章。文章来自 DeepSeek 官方团队账号。具体内容细节需点开原文查看。该推文由 vista8 在 X 上转发分享。
DeepSeek 团队的文章：https://t.co/gpSvqFvVuz
DeepSeek 团队的文章： mp.weixin.qq.com/s/zoS7GlReWPhf… 💬 0 🔄 0 ❤️ 1 👀 4069 📊 1 ⚡
博主实测 OpenCode Go 和 DeepSeek API 的 token 消耗差距，数据挺硬核，用编程助手选订阅前可以看看这篇。
一个 Obsidian 阅读插件装了一万次了，新加了内置书库能直接翻书，官网还接了 DeepSeek，用 Obsidian 读书的可以试试。
有人做了个 DeepSeek 相关的原型实验，注意是合成负载、部分实现，官方还没出对应产品，看解读前先知道这个前提。
歸藏把自己的设计 Skill 打包成了 DeepSeek Harness 插件，带作品库，老 PPT 和网页能一键复刻同款，做内容的人可以试试。
这篇论文发现 AI 智能体很难复现量子论文的结果，然后靠记录修复经验把成功率从 68% 拉到 85%，成本只要 Claude Code 的三分之一，做科研自动化的可以看看思路。
DeepSeek 公开的多 Agent 架构，实验数据很扎实：单会话 p95 要 29 分钟，Super-agent 15.7 分钟搞定，代价是 token 翻几倍。
