热门问题
时间线
聊天
视角
DeepSeek-V3
大语言模型 来自维基百科，自由的百科全书
Remove ads
DeepSeek-V3是深度求索於2024年12月16日發布的人工智能大型語言模型，專門適用於數學、編碼和中文等任務，效能對標GPT-4o等競爭產品[1]。
開發
DeepSeek-V3於2024年12月26日發佈。
效能
在效能方面，DeepSeek-V3展現出卓越實力。它不僅超越了Qwen2.5-72B和Llama-3.1-405B等知名開源模型，更在多項測試中與GPT-4和Claude-3.5-Sonnet不相上下。特別是在數學能力測試中，該模型以優異成績超越了所有現有開源和閉源模型。[2]
最引人注目的是DeepSeek-V3的低成本優勢。根據開源論文和DeepSeek披露，該大模型的訓練系基於2,048塊輝達H800型GPU（針對中國大陸市場的低配版GPU）叢集上執行55天完成；按每GPU小時2美元計算，模型全部訓練成本僅為557.6萬美元，這個數字只有（據估計投資超過5億美元）前者的1%。[3]
訓練
DeepSeek表示該大模型的訓練系基於2,048塊輝達H800型GPU（針對中國大陸市場的低配版GPU）叢集上執行55天完成，訓練耗資557.6萬美元[4]。
為了提高訓練效率，研究採用了 FP8 混合精度訓練技術並對訓練框架進行了全面優化。低精度訓練作為一種高效率的訓練方案，其發展與硬件效能的提升密切相關。
本研究首次在超大規模模型上，成功驗證了 FP8 混合精度訓練架構的有效性。透過採用 FP8 運算和儲存技術，顯著提升了訓練速度並降低了 GPU 記憶體佔用。[5]
評測結果
DeepSeek-V3在所有模型中排名第七，在開源模型排第一；而且，DeepSeek-V3是全球前十中性價比最高的模型。[6]
DeepSeek-V3的評測成績超越Qwen2.5-72B（阿里自研大模型）和LLaMA 3.1-405B（Meta自研大模型）等開源模型，能與GPT-4o、Claude 3.5-Sonnet（Anthropic自研大模型）等閉源模型相抗衡[7]。
這款採用MoE（混合專家）架構的模型，不僅在效能上媲美頂級閉源模型，其低成本高效率的特點更是引發業界關注。相較於前代產品，新模型的生成速度提升了3倍，每秒鐘可處理60個token，顯著提升了實際應用效率。
使用
DeepSeek-V3使用MIT協定開源，意味着任何人都可以自由使用該模型，包括商業用途。用戶可以在DeepSeek官方網站和App使用官方提供的服務。
DeepSeek-V3上線時提供的API服務優惠定價為每百萬輸入tokens 0.1元（快取命中）或1元（快取未命中），每百萬輸出tokens 2元。
2025年2月9日，DeepSeek-V3 API服務優惠期結束，價格變為輸入token每百萬兩元，輸出token每百萬八元，漲幅明顯。[8]
外界反應
DeepSeek-V3發布後，英偉達股價下跌了2%，被指與此模型有關。[6][可疑]
OpenAI創始團隊成員、高級研究科學家Andrej Karpathy表示，DeepSeek僅用了280萬小時的GPU算力，就訓練出了比Llama-3 405B（使用3080萬小時GPU）更強的前沿模型，整體成本節省了11倍左右；這表明，即便在計算力有限的情況下，即使使用高質素的數據模型，更好的演算法同樣能訓練出高效能大模型。[9]
Scale AI創辦人亞歷山大•王表示，中國領先的大型語言模型實驗室DeepSeek選擇在聖誕節發布其最新型號V3，這項舉措頗具深意。效能與GPT-4o和Claude 3.5 Sonnet不相上下，但訓練所使用的算力資源僅為前者的十分之一。
中國科技界的辛酸教訓是：當美國休息時，中國正在工作，以更低的成本、更快的速度迎頭趕上，變得更強。[10]
版本迭代
2025年3月24日，DeepSeek V3發布版本更新V3-0324。
據報道，該版本在所有基準測試中都有明顯進步，尤其以編程能力提升為一大亮點，可能為迄今最強大的非推理模型。[11]
參見
參考資料
外部連結
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads