新年第一个大新闻，DeepSeek 发布了 V3。

作为一个关注国产 AI 的学生，这次发布让我挺兴奋。

核心参数

• 总参数量：671B（MoE 架构，激活参数 37B）
• 上下文长度：128K
• 训练数据：14.8T tokens
• 训练成本：约 550 万美元

550 万美元是什么概念？据说 GPT-4 训练成本超过 1 亿美元。

性能对比

官方对比结果：

测试项	DeepSeek V3	GPT-4o	Claude 3.5 Sonnet
MMLU	88.5	88.7	88.3
MATH	61.6	76.6	71.1
HumanEval	82.6	90.2	93.7
中文能力	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐

在中文理解和生成上，DeepSeek V3 是目前最强的。

为什么训练这么便宜

DeepSeek 团队做了大量工程优化：

1. MoE 架构：每次推理只激活部分参数
2. FP8 混合精度训练：节省显存和算力
3. Multi-Token Prediction：一次预测多个 token
4. 自研框架：专门优化过的训练基础设施

这给整个行业提供了新思路：大模型不一定要烧那么多钱。

怎么用

有几种方式：

官方 API

from openai import OpenAI

client = OpenAI(
    api_key=「your-api-key」,
    base_url=「https://api.deepseek.com/v1」
)

response = client.chat.completions.create(
    model=「deepseek-chat」,
    messages=[{「role」: 「user」, 「content」: 「你好」}]
)

价格非常便宜，输入 1 元/百万 tokens。

本地部署

需要很大的显存（A100 80G × 8），学生党暂时别想了。

但可以跑量化版本，社区正在做。

对国产 AI 的意义

DeepSeek V3 证明了几件事：国产团队有能力做出世界顶级模型；不一定要砸天价训练费；开源可以做到和闭源一样好。

能免费用上这么强的国产模型，确实是学生党的福音。