發生了什麼
中國人工智慧實驗室 DeepSeek 釋出了 DeepSeek V3，該模型在推理基準上實現了與 GPT-5 相當的效能，同時顯著提高了成本效益。 據報道，該模型的訓練預算不到 600 萬美元，這只是西方實驗室在前沿模型上花費的一小部分。
主要成就：
- 數學基準：91.2%（與 GPT-5 Turbo 的 93.7% 相當）
- HumanEval：93.1%（與 Claude Opus 4.6 競爭）
- 培訓成本：估計為 560 萬美元（相比之下，同類模型的成本為數億美元）
- 推理成本：每個代幣比 GPT-5 Turbo 便宜 10 倍
## 為什麼它很重要
### 效率革命 DeepSeek V3 證明前沿的 AI 效能不需要數億的計算預算。 主要效率創新包括：
- 多頭潛在注意力 (MLA)：推理過程中的記憶體使用量減少 40%
- DeepSeekMoE：改進的 MoE 架構，具有更細粒度的專家路由
- FP8 訓練：混合精度訓練可減少 GPU 記憶體需求
- 輔助無損耗負載平衡：更好地利用專家而不會降低質量
### 對人工智慧行業的影響 效率突破具有重大意義：
1. 降低進入壁壘：較小的組織和國家現在可以訓練有競爭力的模型 2. API提供商的成本壓力：隨著高效替代方案的出現，價格戰正在加劇 3. 開源動力：DeepSeek V3 可在許可下使用，從而促進社羣發展
### API 定價比較
| 型號 | 輸入（每 1M 代幣） | 輸出（每 1M 代幣） |
|---|---|---|
| GPT-5 渦輪 | 5.00 美元 | 15.00 美元 |
| 克勞德作品 4.6 | 15.00 美元 | 75.00 美元 |
| 深思V3 | 0.50 美元 | 1.50 美元 |
## 技術架構
DeepSeek V3 使用混合專家架構，總引數為 671B，每個前向傳遞有 37B 活動引數。 該模型基於 14.8 萬億個不同多語言資料的標記進行訓練。
__程式碼_塊_0__
## 下一步是什麼
DeepSeek 計劃釋出： - DeepSeek V3 多模式（視覺 + 程式碼） - DeepSeek Coder V3（程式設計專用） - MoE 模型的開源培訓框架 - 與雲提供商合作進行託管推理
## 總結
DeepSeek V3 挑戰了人工智慧領導力需要大量預算的假設。 透過以 1/10 的成本實現前沿水平的效能，它迫使整個行業重新考慮其模型開發和定價方法。