国产大模型DeepSeek-V3开源后刷屏，性能比肩GPT-4o！

已于 2025-02-28 16:08:25 修改
阅读量1.8k 收藏 13
点赞数 7
文章标签： 人工智能
于 2025-02-28 16:02:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/coderroad/article/details/145930730
版权

DeepSeek-V3 是一款 671B 的专家混合（Mixture of Experts，MoE）模型，它在性能上与 Sonnet 3.5 和 GPT-4o 等重量级模型的表现相当。671B 参数，激活 37B，在 14.8T token 上进行了预训练。当前版本的 DeepSeek-V3 暂不支持多模态输入输出。

图片

Stars 数89903
Forks 数14485

 主要特点

  • 性能对齐海外领军闭源模型：多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲 

    • 百科知识：DeepSeek-V3 在知识类任务（MMLU, MMLU-Pro, GPQA, SimpleQA）上的水平相比前代 DeepSeek-V2.5 显著提升，接近当前表现最好的模型 Claude-3.5-Sonnet-1022。

    • 长文本：长文本测评方面，在DROP、FRAMES 和 LongBench v2 上，DeepSeek-V3 平均表现超越其他模型。

    • 代码：DeepSeek-V3 在算法类代码场景（Codeforces），远远领先于市面上已有的全部非 o1 类模型，并在工程类代码场景（SWE-Bench Verified）逼近 Claude-3.5-Sonnet-1022。

    • 数学：在美国数学竞赛（AIME 2024, MATH）和全国高中数学联赛（CNMO 2024）上，DeepSeek-V3 大幅超过了所有开源闭源模型。

    • 中文能力：DeepSeek-V3 与 Qwen2.5-72B 在教育类测评 C-Eval 和代词消歧等评测集上表现相近，但在事实知识 C-SimpleQA 上更为领先。

  • 生成速度提升至 3 倍：生成吐字速度从 20 TPS 大幅提高至 60 TPS，相比 V2.5 模型实现了 3 倍的提升 

  • 无辅助损失的负载均衡策略：通过动态监控并调整专家的工作负载，让它们均衡运行，同时不影响整体模型性能。

  • 多词元预测（MTP）：支持模型同时预测多个未来词元。

GitHub：https://github.com/deepseek-ai/DeepSeek-V3

Hugging Face： https://huggingface.co/deepseek-ai/DeepSeek-V3-Base

DeepSeek-V3技术报告
01-05
本资料仅用作学习，可以免费下载。DeepSeek-V3技术报告，官方源地址为：https://github.com/LRriver/DeepSeek-V3/blob/main/DeepSeek_V3.pdf
重磅！“AI界拼多多”再发力，国产大模型DeepSeek-V3开源后刷屏，总训练成本557万美元，性能比肩GPT-4o...
优快云资讯
12-27 7804
整理 | 屠敏出品 | 优快云（ID：优快云news）就在今天，素来被硅谷视为“来自东方神秘力量”的中国大模型创业公司 DeepSeek 再次悄悄惊艳了国内外的 AI 技术圈，其重磅发布了一个全新的超大规模模型——DeepSeek-V3。这个新模型拥有 6710 亿个参数，但采用了 MOE（混合专家）架构，能根据任务需求激活特定参数，每处理一个词元激活 370 亿参数，从而实现高效又准确的任务...
国产AI大模型：DeepSeek产业链全解析
m0_63171455的博客
01-29 5253
DeepSeek由国内量化私募领域的巨头幻方量化创立，总部位于杭州。幻方量化拥有丰富的技术积累和强大的算力资源，作为大厂之外唯一一家储备万张A100芯片的公司，为DeepSeek的技术研发奠定了坚实的基础。DeepSeek专注于开发先进的大语言模型（LLM）及相关技术，依托自研的训练框架、自建的智算集群以及万卡算力等资源优势，为模型研发提供硬件支撑；通过大幅度缩减以往大模型所需要的庞大算力，直接把大模型的成本降了下来；其核心团队成员来自清华大学、北京大学、浙江大学等国内顶尖高校。
突然爆火！所有人都在讨论的中国“DeepSeek”，究竟是啥？
2401_85325557的博客
02-05 5834
近日，国产AI DeepSeek在中国、美国的科技圈受到广泛关注，甚至被认为是大模型行业的最大“黑马”，在外网，DeepSeek被不少人称为 “神秘的东方力量”。 1月27日，DeepSeek应用登顶苹果美国地区应用商店免费APP下载排行榜，在美区下载榜上超越了ChatGPT。同日，苹果中国区应用商店免费榜显示，DeepSeek成为中国区第一。
刷屏的AI界“拼多多”——DeepSeek，凭什么这么火？
yizhen91y的博客
01-25 1776
刷屏的AI界“拼多多”——DeepSeek，凭什么这么火？
模型之战，DeepSeek R1 改写下一代模型研究的方向？| 万有引力
AI科技大本营
02-24 799
作者 | 《万有引力》出品 | 优快云（ID：优快云news）如果说 DeepSeek V3 的发布只是吸引了大家初步关注，那么 DeepSeek R1 的发布无疑引发了 AI 技术圈的「Aha 时刻」。随着热度的逐渐上升，不少人认为，DeepSeek R1 技术创新以及开源策略，已经让 OpenAI、Meta 等竞争对手感到了前所未有的压力。从早期“蒸馏 OpenAI”等传言甚嚣，到 Ope...
深度剖析一夜出圈的国产大模型 DeepSeek厉害在哪儿？
认知 行动 坚持
02-01 1140
DeepSeek连续多日引发了全民关注，服务器还一度卡到宕机。采用压缩数据量、并行提效、蒸馏技术，得到更为精炼、有用的数据。一度让英伟达股价暴跌17%！
DeepSeek爆火！反超ChatGPT，登顶美国苹果免费App榜首
图灵教育
01-27 246
继小红书风靡全球后，国产大语言模型 DeepSeek 又在全球范围内引起轰动。这个周末简直被 DeepSeek 刷屏了，距离去年底发布 DeepSeek—V3 模型还没过去多久，他们又推出了一款新的推理模型 DeepSeek—R1。直接引爆外网，不少网友称它为“神秘的东方力量”。截止目前，DeepSeek 在美区苹果 App Store 免费榜上力压此前霸榜的ChatGPT，排在了第一位。我们在...
51c大模型~合集81
whaosoft~aiotの开发板商城
11-30 1296
相比之下，本文的方法既能有效地保留主体的核心身份，又能进行多样化的、与上下文相适应的转换。为了创建用于监督扩散自蒸馏训练的成对数据集，研究者利用预训练文本到图像扩散模型的新兴多图像生成功能，生成由 LLM 生成的提示（第 3.1.2 节）所创建的潜在一致的普通图像（第 3.1.1 节）。这是一款专为移动平台量身打造的 MLLM，采用了算法与系统协同设计的创新理念，重新设计了主流 MLLM 的动态分辨率方案，并针对手机硬件特性进行了深度系统优化，从而实现了在手机上高效、流畅地运行 MLLM。
【Reading Notes】（8.1）Favorite Articles from 2025 January
bryant_meng
02-06 1329
PTX 是一种接近底层的指令集架构，将 GPU 呈现为数据并行计算设备，因此能够实现寄存器分配、线程/线程束级别调整等细粒度优化，这些是 CUDA C/C++ 等语言无法实现的。大多数人的春节假期，都是法定节假日(1月28日至2月4日)，而张雪峰公司放假23天（1月18日至2月10日），真的是非常慷慨的假期了。需要注意的是，PTX 通常是针对特定硬件型号优化的，除非专门编写适配逻辑，否则很难在不同硬件间移植。级的规模，今天谈论各家的份额，借一位新势力创始人的话来评价，仍然是「三瓜两枣」的阶段。
【大模型:知识图谱】--3.py2neo连接图数据库neo4j
我是个好人呀，????
06-03 1422
本文介绍了Neo4j图数据库的安装与基本操作。主要内容包括：1) 使用py2neo连接Neo4j数据库；2) 通过Python实现节点创建、删除、属性修改等操作；3) 建立节点间关系的方法；4) 使用NodeMatcher和RelationshipMatcher进行节点和关系查询；5) 通过实例演示如何创建人物节点及其关系网络。文章还对比了Neo4j社区版和企业版的差异。全文提供了完整的代码示例，涵盖从连接到CRUD操作的完整流程。
当无人驾驶遇见无声天使，让AI司机与爱相伴“童”行
UISEE2031的博客
06-01 880
在中关村房山园内，驭势科技多款无人驾驶车辆整齐列队，没有普通汽车的轰鸣，这些AI司机用闪烁的灯光和显示着“无人驾驶”字样的屏幕迎接孩子们的到来。在AI的帮助下，TA们对于未来无人驾驶车的描述变成了一个个具象的画面，孩子们纷纷合影留念，想要定格心中梦想的种子。
Github 2025-05-30Java开源项目日报Top10
老孙正经胡说
05-30 1812
根据Github Trendings的统计，今日(2025-05-30统计)共有10个项目上榜。
3步在小米13手机跑DeepSeek R1
羊仔的博客
06-03 1466
大家好！我是羊仔，专注AI工具、智能体、编程。
Sentiment analysis integrating LangGraph and large-scale conceptual models
frostmelody 全网同名，大家多多关注呀~ 持续分享优质内容！
05-31 1642
基础单元：句子/评论/文档（如图中4条手机评论）。扩展单元：实体（如“相机”、“电池”）。关系类型构建规则示例实体共现两节点提及相同实体评论A和B都讨论“电池”语义相似概念向量余弦相似度 > 阈值两条夸“拍照效果”的评论句法依赖基于依存解析的语法关系评论中“电池”修饰“续航”工具NetworkX或PyG（Python库）。
【统计方法】树模型，ensemble，bagging, boosting
weixin_48846514的博客
06-04 1087
树模型
法律AI的“幻觉”治理：大模型如何重塑司法公正与效率
七刀的专栏
06-04 978
在传统律师事务所中，一位律师审查一份50页的商业合同平均需要3小时；而在引入法律大模型后，这一时间被缩短至20分钟。效率提升的背后，是一场正在席卷全球法律体系的智能化革命——。
【2025年5月】AI生产力再探再报：各家智能体持续内卷，前沿应用不断细分
Seon_Pan的记录库
06-02 1441
扣子空间、纳米AI超级搜索、Qwen3研究分析...6大AI比拼；MCPo、A2A...智能体框架再上一层楼！
高效VLM：VisionZip
最新发布
my的博客
06-04 612
《VisionZip：视觉语言模型中的高效视觉标记压缩方法》针对现有视觉语言模型(VLMs)存在的视觉标记冗余问题，提出了一种创新解决方案。研究发现，传统VLMs使用长序列视觉标记会导致计算成本高昂，且大量标记注意力权重趋近于零，存在显著冗余。VisionZip通过两阶段处理（保留主导标记+合并次要标记），在仅保留10%标记的情况下实现95%的原模型性能，并将LLaVA-NeXT模型的预填充时间减少8倍。该方法支持无训练应用、高效微调和从头训练三种模式。
DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。
02-12
### 不同AI模型的评测成绩和性能对比 #### DeepSeek-V3 vs Qwen2.5-72B DeepSeek-V3是一个拥有671B参数的大规模语言模型，而Qwen2.5则有72B参数。在多个基准测试中，DeepSeek-V3的表现优于GPT-4o和Claude-3.5 Sonnet，在某些特定任务上的表现尤为突出[^1]。相比之下，尽管Qwen2.5的参数量较小，但在一些自然语言理解任务上依然表现出色，并且由于其开源特性，受到了社区的高度关注和支持。 #### DeepSeek-V3 vs Llama-3.1-405B Llama-3.1具有405B参数，介于DeepSeek-V3和Qwen2.5之间。然而，DeepSeek-V3采用了先进的混合专家（MoE）架构，使得每个token仅激活约37B参数，从而提高了计算效率并增强了模型的能力。这种设计让DeepSeek-V3能够在资源有限的情况下提供更高效的推理服务，同时也保持了较高的准确性[^2]。 #### DeepSeek-V3 vs GPT-4o 作为一款闭源产品，关于GPT-4o的具体实现细节较少公开披露。但从已有的评估来看，DeepSeek-V3已经在多项指标上超越了这一版本的GPT系列模型。特别是在涉及复杂语境理解和多轮对话的任务场景下，DeepSeek-V3展现了更强的理解力和响应质量。 #### DeepSeek-V3 vs Claude-3.5-Sonnet 同样属于闭源阵营的一员，Claude-3.5 Sonnet也是一款备受瞩目的大语言模型。不过根据现有资料，DeepSeek-V3无论是在参数规模还是实际应用效果方面均有所领先。尤其是在跨领域迁移学习能力以及对新兴话题的学习速度等方面，DeepSeek-V3显示出明显的优势。 ```python import matplotlib.pyplot as plt models = ['DeepSeek-V3', 'Qwen2.5-72B', 'Llama-3.1-405B', 'GPT-4o', 'Claude-3.5'] params = [671, 72, 405, None, None] plt.bar(models, params) plt.xlabel('Model') plt.ylabel('Parameters (in Billions)') plt.title('Parameter Comparison of Different AI Models') plt.show() ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值