DeepSeek模型覆盖通用对话、深度推理、代码与多模态场景，本文从能力边界、教学匹配、调用参数和落地评估四方面给出选型与使用建议。
在AI指导老师的日常工作里，模型选择往往比提示词更早决定效果上限。同一个备课任务，用通用对话模型可以快速产出结构，用推理模型却可能因思维链过长而拖慢节奏；同一个代码辅导问题，用代码模型能得到更贴近报错上下文的解释，用通用模型则容易停留在概念层面。DeepSeek模型家族已经形成通用、推理、代码、多模态和数学等分支，选型的核心不是追新，而是把任务特征、上下文长度、延迟预算、成本约束和部署条件放在同一张表里比较。下面从能力边界、教学场景、调用参数和落地评估四个层面展开。
1. 模型谱系与能力边界
DeepSeek当前常见可用模型已经覆盖多个方向。DeepSeek-V3采用MoE架构，总参数671B、激活参数37B，API入口为deepseek-chat，适合通用对话、内容生成、结构化输出和函数调用，API侧通常提供64K上下文与8K最大输出。DeepSeek-R1是面向深度推理的模型，API入口为deepseek-reasoner，上下文64K，会在回答前生成思维链，数学、逻辑和代码推理表现更稳，但延迟和输出token成本明显更高。DeepSeek-Coder-V2总参数236B、激活21B，支持338种编程语言和128K上下文，适合代码解释、补全、重构和单元测试生成。
DeepSeek-VL2面向视觉语言任务，总参数27B、激活4.5B，可处理教材图表、板书照片和实验截图。数学专项与R1蒸馏系列则覆盖7B、14B、32B、70B等规格，适合本地化与低成本场景。能力边界上，R1的优势来自显式推理链，不是所有任务都需要。高频FAQ、课程通知、题库批量改写用R1会拉长响应时间并放大成本；V3在简单任务上更均衡。Coder-V2在纯文本长文写作和通识问答上不如V3，VL2在纯文本长文档理解上也不是首选。蒸馏小模型能继承部分推理风格，但在多步数学和复杂代码调试上仍与完整R1有差距。
对AI指导老师而言，建立一张模型卡比记住参数更重要。模型卡应记录能力范围、上下文长度、价格、平均延迟、部署要求和典型失败案例，并在教研组内共享。课程知识库、学生隐私和GPU条件不同，选型结论也会不同。把通用问答、复杂推理、代码辅导和多模态理解拆成不同链路，分别匹配模型，比用一个模型包打天下更可靠。
2. 教学场景与模型匹配
通用教学任务应优先考虑deepseek-chat。备课、课程大纲、分层练习、家长沟通和课堂活动设计，V3在中文表达和结构化输出上比较稳定，适合把知识点改写成不同难度，温度可设在0.3到0.7，配合JSON输出生成题库字段。批量生成时用异步队列，避免高峰期限流。AI指导老师可以把课程目标、学情摘要和输出格式写进系统提示，让V3产出可直接进入教案的草稿。
数学拔高题、算法调试和逻辑推理演示，适合用deepseek-reasoner。R1的思维链适合教师端做多解法对比和错因分析，不建议直接展示给学生完整推理，可截取关键步骤设计追问。代码课程用Coder-V2解释报错、生成单元测试和重构建议，再用V3把技术语言改写成初学者能懂的讲解。例如在Python入门课中，Coder-V2定位缩进和类型错误，V3生成类比说明，R1对复杂调试题给出多步排查路径，三者形成互补。
教材图表、实验截图和手写板书可交给VL2；数学证明和公式推导用Math或R1；隐私敏感作业批改用蒸馏7B、14B或32B本地部署，70B通常需要多卡。VL2适合图像问答，但不要让它处理超长纯文本。模型匹配要按任务链路拆分，不要指望一个入口完成所有环节。
3. 调用参数与成本控制
deepseek-chat和deepseek-reasoner是两个主要入口。V3可调temperature和top_p，事实问答设在0.2到0.5，创意写作设在0.7到1.0，代码生成设在0.2到0.4；max_tokens按场景控制，教学问答512到1024，长文2048到4096。R1对采样参数限制更严，应遵循官方文档，不要自行调高温度；它的输出包含思维链，max_tokens要预留足够空间，否则答案可能被截断。
64K上下文不是越长越好。长教材先分段摘要，再用RAG召回相关片段，保留最近对话和系统角色。系统提示固定教师身份、输出格式和安全边界；JSON输出用于题库结构化，函数调用对接教务系统或作业平台。上下文里塞入无关材料会稀释注意力，也会推高成本。
R1输出token单价高于V3，且思维链会放大输出量，简单任务用V3更划算。缓存命中可降低重复系统提示成本，批量任务用异步队列和离线批处理。蒸馏模型本地部署能降低长期调用成本，但要算GPU折旧和运维人力。常见做法是同一批课程问答先跑V3，再抽20%难题跑R1，比较准确率提升是否覆盖延迟和成本；若提升不足10%而延迟翻倍，V3就是更合理的默认入口。价格和上下文限制以官方最新文档为准。
4. 落地评估与风险控制
落地前应建100到300条真实教学问题的评估集，覆盖事实问答、多步推理、代码调试、图表理解和家长沟通。评分看准确性、完整性、可教性、安全性和响应延迟，记录教师采纳率和单次任务成本。A/B测试V3与R1，按题型分流，不要只看平均分。数学证明题R1可能明显领先，课程通知类V3已经足够，评估结果要能指导路由规则。
幻觉在历史事实、公式推导和代码API中要重点核验，要求模型给出依据或可运行示例。学生隐私数据不直接输入公网API，必要时脱敏或本地部署。版权和学术诚信方面，模型输出定位为教师草稿和学生提示，不替代独立完成。R1思维链可能包含提示细节或不适合未成年人的表述，前端应隐藏或过滤。
先小范围试点，建立提示词模板库、模型路由规则和故障回退。简单任务路由V3，复杂推理路由R1，多模态路由VL2，隐私任务路由本地蒸馏模型。定期更新模型版本、价格和上下文限制，教师培训重点放在何时不用模型、如何设计追问和如何审核输出。把模型选择纳入教研流程，比一次性选型更能保证长期效果。
