DeepSeek V3：新晋国产 AI 之光，实至名归

that's boy

已于 2025-02-28 08:38:30 修改

阅读量1.4w

点赞数 28

文章标签：人工智能 chatgpt midjourney openai deepseek AI大模型

于 2024-12-27 09:10:31 首次发布

本文链接：https://blog.csdn.net/m0_66917422/article/details/144758341

版权

在国产 AI 领域，DeepSeek 绝对是一个独特的存在。它既不像 Kimi 和豆包那样铺天盖地打广告，但凡是体验过其模型的人，都会对其性能赞不绝口。DeepSeek 专注于 AI 模型底层技术的研究，凭借卓越的技术实力，在国内外都收获了一批忠实拥趸。

DeepSeek

DeepSeek：低调而强大的 AI 技术先锋

DeepSeek 是一家专注于 AI 模型底层技术的公司，它在宣传方面非常低调，几乎没有任何广告，但凭借口口相传，在国内外都拥有了一批粉丝，被誉为“来自东方的神秘力量”。DeepSeek 的产品也十分简洁，网页版只有一个 logo 和输入框。

然而，DeepSeek 在模型方面却取得了显著成就。它率先在国内打响了大模型价格战，并陆续发布了通用模型 DeepSeek V2、DeepSeek V2.5 和 DeepSeek V3。此外，DeepSeek 还发布了一系列视觉模型和一个推理模型 DeepSeek-R1-Lite，后者被认为是国内首个对标 o1 的推理模型。

DeepSeek V3：全新升级的通用模型

DeepSeek V3 是 DeepSeek 最新发布的通用模型，并已正式开源。

技术指标

DeepSeek V3：全新升级的通用模型

MoE 架构： DeepSeek-V3 采用了自主研发的 MoE（Mixture-of-Experts）架构，模型参数高达 671B，激活参数为 37B。这意味着在实际推理过程中，每个 token 仅激活其中的 37B 参数，在保证性能的同时提升了推理效率。相较于开源模型中的王者 Llama 3.1 (405B 参数)，DeepSeek-V3 的参数量多了一半。
FP8 混合精度训练： DeepSeek-V3 在训练过程中使用了 FP8 混合精度训练，并首次在如此超大规模的模型上验证了 FP8 训练的可行性和有效性。
高效训练： 通过算法、框架和硬件层面的协同设计，DeepSeek 克服了跨节点 MoE 训练中的通信瓶颈，实现了近乎完全的计算与通信重叠，从而提高了训练效率，大幅降低了训练成本。DeepSeek-V3 最终在 14.8 万亿 tokens 的数据集上完成了预训练，仅消耗 266 万 H800 GPU 小时。

性能表现

基准测试： DeepSeek-V3 在基准测试中表现出色，成功超越了 Qwen2.5-72B 和 Llama-3.1-405B 等开源模型。在闭源模型方面，DeepSeek-V3 与 GPT-4o (0513 版本) 和 Claude-3.5-Sonnet 打得有来有回。
代码能力： DeepSeek 系列模型一直以代码能力著称，DeepSeek-V3 的代码能力几乎可以和 Claude-3.5-Sonnet 相媲美。
响应速度： DeepSeek-V3 的生成速度从 20TPS 大幅提高至 60TPS，相较于前代模型 2.5 实现了 3 倍提升。

如何使用 DeepSeek V3

您可以通过以下三种方式体验 DeepSeek-V3 模型：

在线体验： 登录 DeepSeek 官网 https://chat.deepseek.com/，即可在线使用，还可体验联网搜索和推理模式。
API 调用： DeepSeek 提供 API 接口，方便有定制化需求的用户使用。DeepSeek-V3 API 价格为每百万输入 tokens 2 元（缓存未命中），每百万输出 tokens 8 元，单位为人民币。在明年 2 月 8 日前有优惠。
本地部署： 本地部署的灵活性更高，可完全控制，适用于对性能、安全性、隐私有较高要求的用户。