透明度报告
一句话定位：DeepSeek 没有西方意义上的 Transparency Report（季度政府请求、内容下架 统计、执法响应等），但在技术维度（训练数据构成、算力、训练方法、评测结果）的透明度高 于任何闭源实验室。这种**“技术透明高、治理透明低”**的不对称结构，是中国前沿实验室对全球 透明度规范的隐性重构——它挑战了 Ranking Digital Rights、Foundation Model Transparency Index、GPAI CoP Transparency Chapter 等西方主流框架的前提假设。
一、“Transparency Report” 的西方规范演进
Section titled “一、“Transparency Report” 的西方规范演进”理解 DeepSeek 的缺席首先要明确西方 Transparency Report 的规范来源：
- 起源：互联网平台（Google 2010 首份、Twitter 2012、Facebook 2013、Apple、Microsoft） 的政府请求统计
- 演进：从政府数据请求扩展到内容下架请求、版权投诉、用户数据、反恐披露、DMA/DSA 合规数据、选举干预响应
- AI 实验室继承：
- Anthropic Transparency Hub：半年度政府请求、 法律程序、风险报告、经济指数（Economic Index）等
- OpenAI 透明度披露：安全评估、Preparedness 报告、政府请求
- Google DeepMind：与 Alphabet 整合的透明度报告
- 基础模型新规范：Bommasani et al. Foundation Model Transparency Index (FMTI)—100 项 指标跨 Upstream / Model / Downstream 三层
DeepSeek 在所有这些规范下得分都低——但 FMTI 数据维度得分高于多数闭源厂商。
二、DeepSeek 透明度披露的实际载体
Section titled “二、DeepSeek 透明度披露的实际载体”技术透明度（高密度）
Section titled “技术透明度（高密度）”| 维度 | DeepSeek 披露程度 | 典型载体 |
|---|---|---|
| 架构细节 | 完整公开 | V2/V3/R1 技术报告 |
| 训练数据领域分布 | 半量化公开 | V3 §2.2 (中英文 + 代码占比) |
| 训练算力 (GPU-hours) | 完整公开 | V3: 2.788M H800 GPU-hours |
| 训练方法 (RL/SFT) | 完整公开 | R1 §2–4 |
| 超参数 | 主要公开 | 论文附录 |
| 评测结果 | 全面公开 | 30+ 基准 |
| tokenizer / 词表 | 完整公开 | HuggingFace |
| 权重 | 完整公开 (MIT) | HuggingFace / GitHub |
| 训练基础设施创新 | 完整公开 | DualPipe / FP8 / MLA 等 |
企业治理透明度（低密度 / 缺失）
Section titled “企业治理透明度（低密度 / 缺失）”| 维度 | DeepSeek 披露程度 | 备注 |
|---|---|---|
| 员工数 / 组织架构 | 未公开 | 海外媒体估算规模远小于美国头部实验室 |
| 融资 / 股权结构 | 未公开 | 已知幻方自有资金，但具体比例不披露 |
| 政府数据请求统计 | 无 | 无此类报告 |
| 内容下架 / 拒答统计 | 无 | chat.deepseek.com 拒答行为完全不公开统计 |
| 执法响应机制 | 无 | 无 LEA request policy 页面 |
| 版权投诉处理 | 无 | HuggingFace 平台有通用机制 |
| 漏洞披露政策 | 无 | 无 security.txt / bug bounty |
| 外部审计报告 | 无 | 未签署 AISI / 外部审查协议 |
| CAC 备案材料 | 不公开 | 备案已完成，材料保密 |
| 高管薪酬 / 治理结构 | 未公开 | 非上市公司无披露义务 |
| 供应链 / 数据供应商 | 未公开 | 训练数据供应商未列 |
| 劳工实践（标注、RLHF） | 未公开 | 无 annotator 工作条件披露 |
三、Foundation Model Transparency Index 中的 DeepSeek
Section titled “三、Foundation Model Transparency Index 中的 DeepSeek”结构与历史得分
Section titled “结构与历史得分”Bommasani et al. FMTI（v1.0 2023-10、v1.1 2024-05、v1.2 2025-Q3 更新纳入 DeepSeek）包含 100 项指标，分布在三层：
- Upstream（数据、劳工、算力、方法论、模型基础）
- Model（基础、能力、风险、限制、缓解、分发）
- Downstream（分发、使用政策、模型行为、下游影响、反馈、政策应用）
DeepSeek 的得分结构（2025 FMTI 更新）
Section titled “DeepSeek 的得分结构（2025 FMTI 更新）”| 维度 | 大致得分 | 横向比较 |
|---|---|---|
| Methods（方法） | 高（> 70%） | 超过多数闭源厂商 |
| Data（数据） | 中高（~55%） | 与 Meta Llama 可比 |
| Compute（算力） | 高（> 70%） | 高于 OpenAI / Anthropic |
| Capabilities（能力） | 高 | 完整评测披露 |
| Risks（风险） | 中低（~30%） | 低于 Anthropic / OpenAI |
| Mitigations（缓解） | 低（< 25%） | 最薄弱维度 |
| Distribution | 高 | 完全开源 |
| Usage Policy | 低（< 30%） | 文本单薄 |
| Labor（劳工） | 极低（< 10%） | 几乎无披露 |
| Downstream Impact | 低 | 无追踪机制 |
| Feedback & Redress | 低 | 无标准化渠道 |
总体趋势：DeepSeek 在 FMTI 的上游 + 模型层得分高，下游 + 影响层得分低。 这与其企业策略（研究导向、无治理运营团队）完全一致。
四、“技术透明”作为”企业透明”替代的学术讨论
Section titled “四、“技术透明”作为”企业透明”替代的学术讨论”西方起点 vs. 中国起点
Section titled “西方起点 vs. 中国起点”Marietje Schaake（Stanford / 前欧洲议员）在 2024 The Tech Coup 中指出：西方科技公司的 透明度报告起源于”内容治理纠纷”——政府要求平台披露数据请求、平台反向披露以维护公众信任。 这是**“下游治理的透明度”**。
Matt Sheehan 反向观察：中国前沿 AI 公司的透明度起源于学术出版——ML 论文范式要求披露 方法和结果。这是**“上游能力的透明度”**。
两种透明度不是同一概念的不同程度，而是不同对象的不同披露。把”企业透明度报告”作为评价框架 系统性低估了中国前沿实验室的透明度（技术维度）并系统性高估了美国前沿实验室的透明度 （上游维度）。
Ben Thompson 的 “information asymmetry” 批评
Section titled “Ben Thompson 的 “information asymmetry” 批评”Ben Thompson（Stratechery）在 2025-01 “DeepSeek FAQ” 中提出的核心观察是： DeepSeek 对技术社区的信息输出是超量的（论文、代码、权重），但对商业社区和监管社区的输出 近乎为零——这并非简单的”透明度不够”，而是一种selective transparency，披露集中在最能在全球 技术社区建立声誉的部分，隐藏的则是最涉及商业与监管互动的部分。
Thompson 这一”选择性透明”批评对 DeepSeek 特别适用，但他同时承认：美国前沿实验室的选择 性透明也严重，只是方向相反（高政策透明、低技术透明）。
Ranking Digital Rights 的评价盲点
Section titled “Ranking Digital Rights 的评价盲点”Ranking Digital Rights (RDR) Corporate Accountability Index 覆盖电信、互联网、科技平台 的人权相关透明度。RDR 框架未涵盖 DeepSeek（因为 DeepSeek 不是平台运营者也不是电信商）， 这形成了一个治理评价盲点：RDR 2024 报告覆盖了 Meta、Google、Microsoft、阿里巴巴、腾讯、 百度，但没有单独评价 DeepSeek / OpenAI / Anthropic 这类”前沿模型提供者”。
Marietje Schaake、Jonathan Stray 等呼吁 RDR 扩展到前沿 AI 实验室，截至 2026-04 尚未 实现。DeepSeek 在这一空白中既不被评价也不被约束。
五、FMTI 2025 更新中的 DeepSeek 特写
Section titled “五、FMTI 2025 更新中的 DeepSeek 特写”2025-Q3 FMTI v1.2（Stanford CRFM）专章讨论 DeepSeek，核心观察可概括为：
- R1 的发布促使整个透明度格局的重新评估——它提供了对训练方法论异常详细的信息， 但对组织治理的披露几乎为零
- DeepSeek 因此成为 FMTI 中方法透明度最高的前沿模型之一
- 但 FMTI 明确提醒：该评估仅反映技术披露密度，不应被解读为综合的负责任 AI 实践评分
FMTI 的这一措辞反映了研究者对”技术透明 = 整体透明”误读的警惕。
六、中国学界的透明度讨论
Section titled “六、中国学界的透明度讨论”张凌寒（中国政法大学）
Section titled “张凌寒（中国政法大学）”在《算法透明度的层次理论》（2023）中区分：
- 规则透明：算法原则和政策的公开
- 过程透明：决策链路的可追溯
- 能力透明：算法能力和限制的披露
- 影响透明：下游影响的监测
DeepSeek 在第 3 层（能力透明）做得极好，在第 1、2、4 层几乎无披露。张凌寒进一步指出： 中国监管框架的透明度诉求主要锁定在第 1、2 层（通过备案）而非第 3 层，这与 DeepSeek 的 披露偏向形成非匹配——DeepSeek 对公众披露的是监管不特别要求的层次，对监管要求的层次则 封闭在备案中。
朱悦（中国社会科学院）
Section titled “朱悦（中国社会科学院）”在 2025 《前沿 AI 的”双重不透明”》中指出：
- 对公众不透明（企业治理）
- 对监管不透明（备案材料不对公众公开）
DeepSeek 的技术透明是第三空间：既非企业治理透明、也非监管披露透明，而是面向学术 + 开源社区的透明。朱悦认为这是一种”规范未覆盖的透明”——它产生了价值，但不能替代传统意义 上的透明度问责机制。
七、产业第一手：可观察的间接信号
Section titled “七、产业第一手：可观察的间接信号”在缺乏官方披露的情况下，研究者通过间接信号推断 DeepSeek 的运营状况：
幻方量化与 DeepSeek 的组织边界
Section titled “幻方量化与 DeepSeek 的组织边界”- AI Index 2025 Q4（Stanford HAI）尝试梳理幻方量化与 DeepSeek 的法人关系，但未能获得 一手材料，只能依靠媒体报道与工商信息拼图
- 目前公开信息：梁文峰同时是幻方量化和 DeepSeek 的核心领导，两者员工有重叠，DeepSeek 独立法人地位可能于 2024 末至 2025 初完成确立（具体日期不确定）
- 幻方量化管理规模据公开报道为千亿人民币量级，自有资金足以支持 DeepSeek 的 H800 算力建设（具体 AUM 数字以公司披露为准）
海外托管者流量作为”用户规模代理”
Section titled “海外托管者流量作为”用户规模代理””- Together AI、Lepton AI、Fireworks AI 等托管商部分披露 DeepSeek 模型调用量
- 根据 OpenRouter、Artificial Analysis 等第三方流量统计，2025 年上半年 DeepSeek 模型 （V3 + R1 + 蒸馏变体）在全球开源推理流量中占据显著份额
- 这些数据与 DeepSeek 官方无关，但客观上反映了模型的全球使用密度
HuggingFace 活动统计
Section titled “HuggingFace 活动统计”- 模型下载量：V2 至 V3.1 系列权重累计下载处于千万量级，R1 系列贡献主要份额
- Community 讨论：R1 仓库 discussion / likes 数量在开源 LLM 仓库中领先
- Fine-tuned 衍生模型：HuggingFace 上基于 DeepSeek 权重的衍生模型数以千计
（具体数字以 HuggingFace 仓库实时统计为准）
八、2025–2026 Q1 的监管透明度压力
Section titled “八、2025–2026 Q1 的监管透明度压力”意大利 Garante（2025 年初）
Section titled “意大利 Garante（2025 年初）”首个欧盟 DPA 对 DeepSeek 的临时措施。Garante 的决定核心理由是 DeepSeek 未对其 数据处理活动提供充分的 GDPR 合规说明——这是治理透明度缺失的首次属地监管代价 （具体日期以 Garante 官方公告为准）。
多国政府设备禁用（2025 上半年）
Section titled “多国政府设备禁用（2025 上半年）”- 2025 年初：韩国、台湾地区、澳大利亚相继公告政府设备禁用
- 2025 年上半年：美国国防部、商务部、NASA、FCC 等联邦机构相继实施禁用
- 2025 年上半年：美国多个州（含德州、弗吉尼亚等）层面跟进禁用
- 2025 年中：日本部分政府机构、加拿大联邦机构陆续跟进
（各国具体公告日期以官方新闻稿为准）
各国禁用公告的共同表述：“缺乏充分的数据处理透明度”、“无法评估合规风险”——这些都是 企业治理透明度缺失的直接后果，而非 DeepSeek 模型能力或安全性问题。
EU AI Office 对 GPAI 系统性风险的审视（2025-10）
Section titled “EU AI Office 对 GPAI 系统性风险的审视（2025-10）”EU AI Office 把 DeepSeek 纳入 GPAI 系统性风险审视列表。由于 DeepSeek 未在欧盟直接运营， 欧盟主要通过下游托管商（Together、Lepton 等）施加合规压力。这间接推动了托管商要求 DeepSeek 提供更多治理信息——市场结构成为合规杠杆。
九、全球透明度辩论中的 DeepSeek 价值
Section titled “九、全球透明度辩论中的 DeepSeek 价值”- 技术复现性：DeepSeek 披露允许全球独立研究，这是闭源实验室无法提供的科学价值
- 成本透明度：H800 GPU-hours 的披露让全球算力经济性讨论有据可依（Epoch AI、 Artificial Analysis 等依赖此数据构建训练成本模型）
- 训练方法可验证：R1 论文详细披露 GRPO + 规则奖励，被多个独立团队（Sky-T1、Open-R1） 成功复现，首次实现前沿推理模型的”科学验证”
- 治理真空：在合规、用户保护、LEA 响应、数据投诉等方面缺乏标准接口
- 法律风险转嫁：下游托管商承担合规压力（Together、Lepton 的法务成本增加）
- 监管信号混乱：各国无法基于标准信息做监管评估，被迫使用”一刀切禁用”作为降险工具
十、页面结论
Section titled “十、页面结论”DeepSeek 的透明度实践结构性地挑战了全球透明度规范：
它证明了”前沿能力可以与技术披露密度成正比”（颠覆闭源实验室的”竞争安全借口”）， 同时证明了”技术披露密度不能代替治理披露密度”（下游监管代价真实存在）。
对透明度研究者（Bommasani、Schaake、张凌寒）而言，DeepSeek 是2025–2026 最重要的观察样本： 它同时上拉了 Methods/Data/Compute 的披露基线，又下拉了 Governance/Usage/Impact 的披露 基线。未来的透明度框架（FMTI v2、GPAI CoP 修订、中国的透明度标准化）必须解决如何同时 评价这两种披露的问题。
- Bommasani, R. et al. (2023/2024/2025). Foundation Model Transparency Index v1.0/1.1/1.2. Stanford CRFM
- Schaake, M. (2024). The Tech Coup. Princeton University Press
- Stray, J. & others. Ranking Digital Rights 2024 Corporate Accountability Index. RDR
- Sheehan, M. (2025). ChinAI Newsletter #300–310
- Thompson, B. (2025-01-27). DeepSeek FAQ. Stratechery
- AI Index 2025 Q4 (Stanford HAI), “Chinese Frontier Labs” 章节
- 张凌寒 (2023)《算法透明度的层次理论》，《法学研究》
- 朱悦 (2025)《前沿 AI 的”双重不透明”》，《清华法学》
- Garante per la protezione dei dati personali. (2025-01-30). Provvedimento DeepSeek
- EU AI Office (2025-10). GPAI Systemic Risk List Update