MMLU、MMLU-Pro等基准中，DeepSeek-V3得分达88.5，接近GPT-4o（82）

一、MMLU（Massive Multitask Language Understanding）

DeepSeek-V3 在 MMLU（Massive Multitask Language Understanding） 基准测试中展现了卓越的性能，成为当前开源大型语言模型中的佼佼者，并在多项子任务中接近甚至超越顶尖闭源模型。以下是其表现及技术亮点的详细解析：

---

1. 综合性能表现

• MMLU（5-shot）：DeepSeek-V3 在 MMLU 测试中取得了 87.1% 的准确率，显著优于前代模型（如 DeepSeek-V2 的 78.4%），并接近闭源模型 GPT-4o（约 87.2%）和 Claude-3.5-Sonnet（88.3%）的水平。
• MMLU-Pro（5-shot）：在更复杂的 MMLU-Pro 测试中，其准确率为 75.9%，高于 Meta 的 Llama 3.1 405B（73.3%）和 Qwen2.5 72B（71.6%），但略低于 Claude-3.5-Sonnet（78.0%）。
• MMLU-Redux：在包含对抗性问题的 MMLU-Redux 测试中，DeepSeek-V3 以 86.2% 的准确率 领先于同类模型。

对比其他模型 ：