群杰产品与DeepSeek深入融合应用成果

群杰产品接入DeepSeek R1带来的实际应用价值

群杰科技旗下智能印控、合约卫士等行业领先数字化风控产品均已全面接入DeepSeek-R1系列模型对AI功能模块升级，为广大客户伙伴提供了更强的智能体验及本地化部署的印章/合同全生命周期管理系统新版本。

本次围绕合同印控全流程管理，对群杰合约卫士的合同起草、审查、用印、履约、归档等业务场景相关的功能模块进行了全面的智能化提升，通过DeepSeek-R1系列模型的接入提供了更加智能的业、财、法风控能力，合同AI审查信息的有效率提升至99.2%，进一步帮助企业全面提升合同风险防控和数据应用能力，并在提升能力的同时，显著降低本地化部署成本。

合同AI审查模块效果

合同AI审查模块DeepSeek-R1推导过程

合约卫士新版本智能化显著提升的业务场景方面

● 合同智能起草和批量生成

根据应用场景、具体业务信息自动匹配合同模板，补全合同签约方、金额、支付条款、履约条款等业务信息，自动生成合同，支持根据业务清单批量生成合同。

● 合同的合规审查和风险评估

对合同内容条款进行深度分析，识别其中可能存在的法务风险、合规问题、业务不合理的条款。基于比以往更强大的推理能力，能够对合同中的潜在的计算逻辑等业务风险进行预警。

● 合同信息的提取和比对

快速从合同文本中识别抽取合同双方主体、合同金额、履行期限、违约责任等关键信息，形成结构化数据，为合同信息的快速录入、计算、分析、比对提供便利。

快速对比不同版本的合同，识别出其中的差异。在合同修改过程中，系统可以快速找出新旧版本之间的条款变化、文字修改等，并生成详细的比对报告。对合同的不同版本进行管理，记录每次修改的时间、人员、内容及原因，确保合同版本的可追溯性。

● 合同用印文件识别与分析

使用群杰智能印章或电子印章进行线下线上智能化合同用印管理，在原有的独家隐形水印+OCR识别技术基础之上，进一步提升文本识别率（超99.9%），并大幅提高识别效率，降低大型集团企业客户对服务器GPU资源的依赖，从而降低采购成本。

● 履约监控和预警

合同盖章生效后，结合合同履约条款和实际业务数据，拆解为履约任务进行跟踪，实时监控合同的履约进度。当出现履约延迟或潜在违约风险时，及时发出预警，提醒采取相应的措施。

● 合同的智能归档管理和智能检索

将合同按照预设的分类规则自动归档（如合同类型、责任部门、合同金额、风险等级等），方便进行合同的管理和存储。

通过自然语言处理技术，支持用户使用自然语言进行合同检索。如，用户可以通过输入“所有2025年签订的50万元以上的采购合同”这样的自然语言指令，快速找到相关合同并进行概要统计和分析、摘要内容提示。

DeepSeek应用指南与技术启示

应用DeepSeek R1我们需要什么样的资源

DeepSeek可在windows、macOS或Linux系统上部署服务，DeepSeek模型下载完成后，可在终端中输入我们的问题或指令。显卡的显存占用和利用率取决于所选模型的大小和我们的硬件配置。

下表为DeepSeek R1系列大模型推荐使用的GPU显存大小以及型号。针对相关业务需要，同时考虑成本问题，我们可以选择的模型参数范围从1.5B~70B之间。主要区别如下：

● 若业务需求以轻量级合同抽取、标注辅助为主，1.5B~7B规模的模型已经足够，成本较低。

● 若需要更强的理解能力、复杂合同分析，可选择 8B~14B规模的模型，结合多卡4090或A100进行推理。

● 70B级别模型适用于需要高精度NLP处理的场景，但部署成本高，建议仅在特定高价值任务中使用。

表 DeepSeek R1系列大模型推荐使用的GPU参考

DeepSeek-R1-Distill-Qwen-7B在RTX4090上的使用效果

我们在NVIDIA GeForce RTX 4090、驱动版本: 550.120、Cuda=12.4、python=3.10.0的服务器上测试了DeepSeek-R1-Distill-Qwen-7B的推理效果，结果显示显存占用约15.3GB，GPU的利用率高达97%。

在测试的过程中我们设置max_new_tokens=2000，审查的测试合同字数为969个字，共耗时24.16秒，平均生成速度约为 82.8 tokens/秒。下图为我们使用DeepSeek的输出过程与输出结果。

图 DeepSeek-R1 -Distill-Qwen-7B 服务器测试审查效果

DeepSeek现象：技术爆发背后的启示

Q：DeepSeek 技术的爆发，对于中国大模型未来发展道路有哪些启示？对中国企业的一些启示？

A：DeepSeek 团队秉持技术理想主义，以实现 AGI 为目标，凭借长期积累和坚定执行力推动技术进步。其成功并非偶然，而是多年深耕的结果。创始人梁文峰的资金支持为团队提供了探索的自由，但更多有潜力的国内团队仍需要更完善的支持体系，以推动原始创新。DeepSeek的发展路径展现了长期主义的重要性，他们的成功经验值得学习，但技术路线不应被简单复制，而应在此基础上探索更具创新性的突破。

DeepSeek的成功为中国企业提供了以下启示：坚持长期主义，专注技术创新；重视开源与开放合作；优化资源配置，实现高效研发。

Q：DeepSeek-R1是全新物种LLM，Think能解锁无限可能吗？

A：虽然 DeepSeek-R1 被称为推理大模型，但本质上仍然是一款大语言模型，其核心能力与 OpenAI o1 相当，并未带来突破性的能力变革，并且在一些推理准确性测试中，DeepSeek-R1的幻觉率高达14.3%，显著高于其前身DeepSeek-V3的3.9%。它的独特之处在于引入 Think过程，通过拆解推理来提升推理表现（类似于我们解一道复杂数学题时，会先拆解成多个小步骤），但这一机制带来了额外的时延，并非适用于所有场景。因此，DeepSeek-R1 并非真正意义上的“全新物种”，而是对推理方式的一种优化，而 Think也并非万能钥匙，而是以时间换取更精细的推理链条。

Q：使用DeepSeek系列模型对合同进行审查、要素抽取等工作，与应用其他LLM相比其优势有哪些？

A：基于指令型架构，依赖于用户提供的明确指令或提示，缺乏自主推理能力，对合同条款的理解可能较为表面。而采用推理型架构，能够在回答问题前进行“自问自答”式的推理思考，模拟人类的深度思考过程，从而提升对合同条款的理解和分析能力。通过深度思考过程，能够更深入地理解合同条款的含义，识别潜在的法律风险和隐含意图。

Q：为什么说DeepSeek R1能够取得如此全球性的成功呢？

A： DeepSeek R1 能够取得全球性成功，关键在于其开放普惠的策略和技术创新的突破。相比 OpenAI 的 o1 高昂的收费和封闭的策略，DeepSeek R1 让更多人切实体验到了深度思考的震撼，类似 2023 年初 ChatGPT 带来的现象级影响。 更重要的是，它在有限算力条件下，通过算法创新突破了算力瓶颈，证明了即使资源受限，也能实现全球领先的 AI 进展。这对中国 AI 发展意义重大，也揭示了 AI 未来普惠化的核心——提升效率，让通用人工智能真正触达每个人。