发生了什么
中国人工智能实验室 DeepSeek 发布了 DeepSeek V3，该模型在推理基准上实现了与 GPT-5 相当的性能，同时显着提高了成本效益。 据报道，该模型的训练预算不到 600 万美元，这只是西方实验室在前沿模型上花费的一小部分。
主要成就：
- 数学基准：91.2%（与 GPT-5 Turbo 的 93.7% 相当）
- HumanEval：93.1%（与 Claude Opus 4.6 竞争）
- 培训成本：估计为 560 万美元（相比之下，同类模型的成本为数亿美元）
- 推理成本：每个代币比 GPT-5 Turbo 便宜 10 倍
## 为什么它很重要
### 效率革命 DeepSeek V3 证明前沿的 AI 性能不需要数亿的计算预算。 主要效率创新包括：
- 多头潜在注意力 (MLA)：推理过程中的内存使用量减少 40%
- DeepSeekMoE：改进的 MoE 架构，具有更细粒度的专家路由
- FP8 训练：混合精度训练可减少 GPU 内存需求
- 辅助无损耗负载平衡：更好地利用专家而不会降低质量
### 对人工智能行业的影响 效率突破具有重大意义：
1. 降低进入壁垒：较小的组织和国家现在可以训练有竞争力的模型 2. API提供商的成本压力：随着高效替代方案的出现，价格战正在加剧 3. 开源动力：DeepSeek V3 可在许可下使用，从而促进社区发展
### API 定价比较
| 型号 | 输入（每 1M 代币） | 输出（每 1M 代币） |
|---|---|---|
| GPT-5 涡轮 | 5.00 美元 | 15.00 美元 |
| 克劳德作品 4.6 | 15.00 美元 | 75.00 美元 |
| 深思V3 | 0.50 美元 | 1.50 美元 |
## 技术架构
DeepSeek V3 使用混合专家架构，总参数为 671B，每个前向传递有 37B 活动参数。 该模型基于 14.8 万亿个不同多语言数据的标记进行训练。
__代码_块_0__
## 下一步是什么
DeepSeek 计划发布： - DeepSeek V3 多模式（视觉 + 代码） - DeepSeek Coder V3（编程专用） - MoE 模型的开源培训框架 - 与云提供商合作进行托管推理
## 总结
DeepSeek V3 挑战了人工智能领导力需要大量预算的假设。 通过以 1/10 的成本实现前沿水平的性能，它迫使整个行业重新考虑其模型开发和定价方法。