悦数 RAG 联手国产大模型顶流 DeepSeek：复杂推理成本直降 70%

基于悦数图数据库打造的 Graph RAG 产品——悦数 RAG，已全面接入国产大模型顶流 DeepSeek。这一合作不仅标志着技术的深度融合，更意味着企业在复杂推理任务上的成本将大幅降低，效率显著提升。

拥抱 DeepSeek：技术升级与成本优化

悦数 RAG 是一款专为企业级应用设计，通过知识图谱有效缓解大模型幻觉，帮助企业快速构建专有知识生成应用的平台。此前，悦数 RAG 内置链接的是通义千问和 ChatGPT，如今，全面接入 DeepSeek 后，悦数 RAG 在多个关键指标上实现了质的飞跃。

以复杂推理任务中的典型应用场景金融研报生成为例，在接入 DeepSeek 之前，悦数 RAG在处理此类任务时，虽然已经表现出色，但在图抽取能力、生成质量和单次问答成本上仍有提升空间。而接入 DeepSeek 后，我们看到了令人瞩目的变化。

●图抽取能力

基于 DeepSeek 推理能力模型的悦数 RAG，在更小规模模型下，零样本抽取效果达到了少样本结合工程优化的同等水平。凭借图 RAG 索引（GraphRAG Index）的优化，不仅显著降低了成本，还在效果上取得了理想收益。这种优化使得悦数 RAG 在处理复杂关联关系时更加高效，能够快速识别和连接数据中的关键节点，为用户提供更精准的图谱构建。

●生成质量

DeepSeek 的透明思维过程为 Agentic GraphRAG 提供了更多的可解释性。同时在蒸馏模型与 R1 接入之后，Agentic RAG 的规划能力、Meta Agent 对于用户简洁输入场景的处理都相比传统的开放权重 instruct 模型有非常明显的提升。这种提升不仅体现在生成内容的质量上，还体现在对用户输入的理解和响应上，使得用户能够更直观地理解 AI 的决策过程。

●单次问答成本

在 DeepSeek R1 蒸馏模型的更小规模版本中，相较于基线的大语言模型，其效果得到了显著增强与提升，这使得悦数 RAG 产品在推理成本上大幅降低，同时在同等资源下能够支持更多的并发请求。由于在更小的模型上就能获得同等的效果，这不仅降低了蒸馏模型的规模，还带来了响应时间的显著缩短。

深度融合：图技术与大模型的完美结合

悦数 RAG 的核心优势在于其基于悦数图数据库的 Graph RAG 架构。通过知识图谱，悦数 RAG 能够有效缓解大模型的幻觉问题，确保生成内容的真实性和可靠性。而 DeepSeek 的加入，更是为这一架构注入了强大的动力。DeepSeek 的多任务处理能力和高效的模型架构设计，使得悦数 RAG 在处理复杂推理任务时更加得心应手。

关于悦数 RAG

悦数 RAG 是一款极简的知识应用构建平台，使 Graph RAG 技术的强大功能触手可及。用户可以通过友好易用的对话界面轻松创建搜索引擎、聊天机器人和内容生成应用，无需任何编程操作。通过激活和循环内部知识，悦数 RAG 能够最大限度地发挥其价值，将知识和见解转化为行动。

关于 DeepSeek

DeepSeek 是国产大模型中的佼佼者，以其卓越的多任务处理能力、高效的模型架构设计以及在文本生成、语义理解、计算推理等领域的出色表现而备受关注。DeepSeek 的加入，为悦数 RAG 带来了强大的技术支持和成本优势。