deepseek-ai

/

DeepSeek-R1

like 7.24k

Follow

DeepSeek 27.6k

You can try deploying the model offline, and none of these issues, including political sensitivities, exist with offline models and APIs
你可以尝试离线部署模型，在离线模型与API上均不存在这些问题，包括政治敏感问题

看起来复现失败了（？）

You can try deploying the model offline, and none of these issues, including political sensitivities, exist with offline models and APIs
你可以尝试离线部署模型，在离线模型与API上均不存在这些问题，包括政治敏感问题

Have you tried the local deployment of the original version of R1 (671B), or just the distilled version from R1? From Github, some users comfirmed that the same problem occurs on their local depolyment of R1 (671B).

看起来复现失败了（？）

我在原帖中提到，目前官方网页版和APP版本都能对这几个问题给出正常回应（刚上线的时候也不能），但是非官方部署（包括Fireworks AI或者Together AI这样的云服务商，以及本地部署）仍然存在这个问题。

I mentioned in the original post that both the official web version and the app version can now provide normal responses to these quesions (which they couldn't when first launched). However, unofficial deployments (including cloud service providers like Fireworks AI or Together AI, as well as local deployments) still face this problem.

因为网页端，和APP端有额外的不明审查机制在运行，API调用没有，你可以试试

You can try deploying the model offline, and none of these issues, including political sensitivities, exist with offline models and APIs
你可以尝试离线部署模型，在离线模型与API上均不存在这些问题，包括政治敏感问题

Have you tried the local deployment of the original version of R1 (671B), or just the distilled version from R1? From Github, some users comfirmed that the same problem occurs on their local depolyment of R1 (671B).

我尝试部署了蒸馏后的70B-llama模型，并不存在这种问题，只有当提问到类似于“2019年的香港发生了什么”甚至更尖锐的问题时才会触发审查机制
I tried to deploy the distilled 70B-llama model, and there was no such problem. The censorship mechanism was only triggered when asking questions like "What happened in Hong Kong in 2019" or even more pointed questions.

671B的模型在API中尝试过，也不存在莫名其妙的过度审查
The 671B model has been tried in the API, and there is no inexplicable excessive review.

You can try deploying the model offline, and none of these issues, including political sensitivities, exist with offline models and APIs
你可以尝试离线部署模型，在离线模型与API上均不存在这些问题，包括政治敏感问题

Have you tried the local deployment of the original version of R1 (671B), or just the distilled version from R1? From Github, some users comfirmed that the same problem occurs on their local depolyment of R1 (671B).

我尝试部署了蒸馏后的70B-llama模型，并不存在这种问题，只有当提问到类似于“2019年的香港发生了什么”甚至更尖锐的问题时才会触发审查机制
I tried to deploy the distilled 70B-llama model, and there was no such problem. The censorship mechanism was only triggered when asking questions like "What happened in Hong Kong in 2019" or even more pointed questions.

671B的模型在API中尝试过，也不存在莫名其妙的过度审查
The 671B model has been tried in the API, and there is no inexplicable excessive review.

你描述的与我目前了解到的情况不冲突，据我所知目前不会触发奇怪审查的包括：

(a). 目前通过官网、APP或官方API使用DeepSeek R1；
(b). 官方发布的由DeepSeek R1蒸馏而来的Llama或Qwen模型；

会触发奇怪审查的：

(c). 提供DeepSeek R1 (671B)版本的第三方云服务（Together AI，Fireworks AI等），以及私人本地部署（据Github用户反馈）；
(d). DeekSeek R1刚上线时通过官网或者APP使用（测试时间20/01/2025）。

我的推断是目前官方部署的版本中已修正这一问题，但仍未同步更新开源版本。

The description you provided does not conflict with what I currently understand, and as far as I know, the following will not trigger weird censorship:

(a). Currently using DeepSeek R1 via the official website, APP, or official API;
(b). The Llama or Qwen models distilled from the DeepSeek R1 released by DeepSeek officials;

Triggers weird censorship:

(c). Third-party cloud services provider (Together AI, Fireworks AI, etc.) for the DeepSeek R1 (671B) version, as well as private local deployment (as reported by Github users);
(d). When DeekSeek R1 was initially launched, use it via the official website or APP (test date: 20/01/2025).

My inference is that this issue has been corrected in the currently officially deployed version, but it has not been synchronized to update the open-source version.

@junnanwu 最新的readme加了一个使用说明：
Additionally, we have observed that the DeepSeek-R1 series models tend to bypass thinking pattern (i.e., outputting "<think> \n\n </think>") when responding to certain queries, which can adversely affect the model's performance. To ensure that the model engages in thorough reasoning, we recommend enforcing the model to initiate its response with "<think> \n" at the beginning of every output.

我们本地部署测试之后，能解决模型跳过思考的问题，同时也能解决这个过度censor的问题（你给的示例都是模型跳过了思考的）。

建议：要么是本地部署，要么是使用硅基流动的接口（https://siliconflow.cn/zh-cn )，他们也解决了这个问题（他们的解法比官方提供的更为暴力，硅基流动的R1模型所有output都是以“<think> 嗯”开头。

以下是我们本地部署的示例：
[Q]你觉得下面的观点成立吗？通胀有时间差，刚放水的时候，外围还没涨价，从放水的中心借钱后去外围收购，等通胀蔓延到外围，并且开始收水的时候，再高价抛掉外围资产把之前借的钱还掉。美元潮汐简单来说就是这样，其他信用货币也是类似，资产可以是不动产，股票，和任何形式的资金盘(虚拟币，炒鞋等等)
[A]
<think>

嗯，用户问的是这个关于通胀时间差和美元潮汐的观点是否成立。首先，我需要理解这个观点的核心逻辑。观点认为，当央行放水（比如量化宽松）时，资金会从中心（比如美国）流向外围国家，这时候外围的资产价格还没涨，所以可以低价买入。等到通胀蔓延到外围，资产价格上涨，然后在收水的时候高价卖出，偿还之前借的钱，从而获利。

首先，我得回忆一下美元潮汐的基本机制。通常来说，当美联储实施宽松货币政策，美元流动性增加，利率低，投资者会借入美元投资到新兴市场等外围国家，因为那里的回报率更高。这会导致外围国家的资产价格上涨，比如股市、房地产等。当美联储开始加息收紧货币政策时，美元回流，外围国家可能面临资本外流，资产价格下跌，这时候投资者抛售资产，兑换成美元偿还债务，赚取差价。

接下来，我需要验证这个过程中的时间差是否存在。确实，货币政策的传导需要时间，不是立即生效的。比如，美联储降息或QE后，资金可能需要几个月甚至更久才能影响到外围市场。这时候可能存在套利机会，即提前低价买入，待价格上涨后卖出。

不过，有几个因素需要考虑。首先，市场预期的问题。如果市场已经预期到通胀和货币政策变化，资产价格可能已经提前反映，导致时间窗口很短或不存在。其次，外围国家的政策反应，比如资本管制、外汇干预，可能限制这种套利行为。再者，汇率波动的影响。如果在放水期间美元贬值，而收水时美元升值，那么兑换回美元时的汇率变化可能影响利润，甚至导致亏损。

另外，不同资产类别的反应速度和程度也不同。比如，股票市场可能反应较快，而不动产可能滞后。虚拟货币、炒鞋等资金盘波动性更大，可能受其他因素影响，风险更高。

还有，实际操作中的成本和风险。比如借贷成本、交易费用、政治风险、市场流动性等，都可能影响最终收益。如果外围国家经济出现问题，资产价格可能不涨反跌，导致亏损。

所以，这个观点在理论上有一定依据，但实际操作中面临诸多挑战和风险，是否成立取决于具体的市场条件、时机把握以及风险管理能力。历史案例中，比如1997年亚洲金融危机，部分反映了类似美元潮汐的影响，但当时的情况复杂，涉及固定汇率制等问题，不能简单套用。

</think>

这个观点部分成立，但存在过度简化和实际操作中的复杂性。以下是关键分析：

成立的部分：

货币政策传导存在时间差：量化宽松政策的影响通常需要6-18个月才能完全渗透到全球经济体系，这为"中心-外围"套利创造了理论窗口期。
美元潮汐效应存在：历史案例显示（如2013年缩减恐慌），美联储政策转向确实会导致国际资本流动逆转，新兴市场常出现"放水时资产上涨-收水时暴跌"的周期性波动。
跨市场套利空间：专业机构确实会利用不同市场反应速度差异进行套利，例如2020年疫情后美元流动性泛滥期间，比特币和东南亚房地产出现明显资金流入。
存在的漏洞：

市场预期提前反应：现代金融市场具有前瞻性，当美联储释放政策信号时，资产价格可能已提前变动，实际套利窗口可能比理论模型更短。
汇率波动风险：假设中忽略了货币兑换风险。例如2022年美联储加息周期，美元指数飙升14%，即便外围资产以本币计价上涨，兑换回美元时可能反而亏损。
政策干预风险：2018年土耳其、2022年斯里兰卡等国实施资本管制，直接阻断"低价买-高价卖"的操作路径。
资产特异性差异：不动产流动性差，虚拟货币监管风险高，实际操作中难以实现同步大规模抛售。
典型案例验证：

成功案例：2009-2013年QE期间，美国机构借入低息美元投资巴西股市（IBOVESPA指数上涨150%），在2015年加息周期前撤出。
失败案例：2018年阿根廷比索危机中，过早抄底的外资因货币贬值40%+资本管制导致巨亏。
结论：
该理论框架在解释美元霸权体系下的资本流动规律具有参考价值，但实际操作需考虑市场有效性、政策不确定性和风险管理。对于普通投资者而言，这种"跨时空套利"更多存在于大型机构的宏观对冲策略中，且成功率受多重变量影响。