DeepSeek 发布全新 V4 代模型家族（Pro/Flash），同时兼容 OpenAI 和 Anthropic 接口，旧模型名将在三个月后废止，标志新一代模型体系正式确立。
DeepSeek Platform将所有模型的输入缓存命中价格降至发布价格的1/10。
DeepSeek-V3.2 发布，统一 chat 和 reasoner 两条模型线到 V3.2 架构下。
DeepSeek 发布限时 Speciale 版本，无工具调用能力，作为实验性预览版在两周内可用。
V3.1 的小版本升级，重点修复语言混用问题并强化 Coding Agent 和搜索 Agent，显示 DeepSeek 在 Agent 场景的持续投入。
DeepSeek-V3.2 的实验预览版发布，为后续正式版铺路。
DeepSeek-V3.1 首次实现混合推理架构（单模型双模式），在 SWE-bench 和 Terminal-bench 上取得突破，Agent 和工具使用能力成为核心升级方向。
R1 推理模型首次获得 Function Calling 和 JSON 输出能力，推理 benchmark 全面提升，使推理模型可在 Agent 场景中直接使用。
V3-0324 在推理 benchmark 上全面提升，修复了此前 V3 版本的 Function Calling 问题，中文写作对齐 R1 风格。
DeepSeek 首个专用推理模型 R1 发布，开创了 deepseek-reasoner 模型线，标志着 DeepSeek 正式进入推理模型赛道。
DeepSeek-V3 正式发布，作为 V3 代际的首个模型，保持 API 向后兼容。
V2.5 末期的小版本迭代，数学和编程 benchmark 小幅提升，改进文件处理和摘要功能。
DeepSeek 将 Chat 和 Coder 两条模型线合并为统一的 V2.5，简化产品线同时保持 API 兼容，是模型统合战略的早期信号。
DeepSeek 推出基于硬盘的上下文缓存技术，通过降低缓存存储成本实现大幅降价，是推理成本优化的创新方案。
DeepSeek API 补全了 JSON Mode、Function Calling 等关键开发者功能，并新增 FIM Completion，标志其 API 能力向 OpenAI 看齐。
Coder-V2 的小版本更新，无具体细节披露。
V2-0628 在数学和推理 benchmark 上大幅提升，Arena-Hard 对 GPT-4 胜率接近翻倍，是 V2 时代最重要的能力跃升。
DeepSeek Coder V2 首次宣称代码能力对标 GPT-4-Turbo，同时具备通用能力，是 DeepSeek 在 Coding 赛道的关键突破。
V2-0517 重点提升指令遵循和 JSON 输出可靠性，优化了 RAG 和翻译场景的 system prompt 表现。