DeepSeek-V3 的正式发布标志着国产大模型在性能、速度和开源生态方面迈出了重要一步，其 671B 参数量与 3 倍的生成速度提升，使得该模型在多个关键评测中表现接近国际顶尖闭源模型，同时通过开源策略推动技术普惠，为行业带来深远影响。
引言：DeepSeek-V3 的发布意义
2025 年 12 月 26 日，DeepSeek 宣布正式推出其最新大模型系列——DeepSeek-V3。此次发布的首个版本不仅在参数规模和训练数据量上实现了显著突破，还通过性能对齐国际领先闭源模型、生成速度提升、以及开源策略的强化，展现出深厚的技术实力与开放精神。DeepSeek-V3 的上线，不仅为开发者和用户提供了更强大的 AI 工具，也为国产大模型在国际竞争中的地位奠定了基础。
模型架构与参数规模：性能对齐国际闭源模型
DeepSeek-V3 是 DeepSeek 自研的 MoE（Mixture of Experts）模型，其参数量达到了 671B，是目前全球参数量最大的开源模型之一。值得注意的是，该模型在实际运行中仅激活了 37B 的参数，这意味着其在推理过程中能够实现较高的效率和资源优化。这种设计不仅降低了计算成本，还提升了模型的响应速度。
为了确保模型的性能，DeepSeek-V3 在 14.8T token 的数据集上进行了广泛的预训练，涵盖了多种语言、领域和任务类型。这一训练规模远超此前的版本，为模型在复杂任务中的表现提供了坚实的基础。此外，DeepSeek 还开源了模型的权重文件，这为学术界和开发者提供了宝贵的资源，有助于推动模型的进一步研究和应用。
评测表现：超越开源模型，接近闭源模型
在多个关键评测中，DeepSeek-V3 表现优异，尤其是在知识类任务上。在 MMLU、MMLU-Pro、GPQA 和 SimpleQA 等评测中，该模型的性能显著优于其他开源模型，甚至接近当前表现最好的闭源模型 Claude-3.5-Sonnet-1022。这一结果表明，DeepSeek-V3 在知识理解、推理和问答能力上实现了重要突破。
在长文本处理方面，DeepSeek-V3 在 DROP、FRAMES 和 LongBench v2 等评测中平均表现超越了其他模型，显示出其在处理复杂文本任务时的强大能力。这表明 DeepSeek-V3 不仅在通用任务上表现优异，还能胜任需要长时间上下文理解的场景。
在代码生成和编程任务中，DeepSeek-V3 在 Codeforces 评测中远远领先于市面上已有的所有非 o1 类模型。同时，在工程类代码场景 SWE-Bench Verified 中，其表现逼近 Claude-3.5-Sonnet-1022，显示出在代码理解和生成方面的卓越能力。
在数学任务上，DeepSeek-V3 表现出色，在 AIME 2024 和 MATH 等美国数学竞赛，以及 CNMO 2024 等全国高中数学联赛中，大幅超过了所有开源和闭源模型。这一成绩表明，DeepSeek-V3 在数学推理和问题解决能力上也具备了极高的水平。
在中文能力方面，DeepSeek-V3 与 Qwen2.5-72B 在教育类测评 C-eva l 和代词消歧等任务中表现相近，但在 C-SimpleQA 等事实知识评测中更为领先。这表明 DeepSeek-V3 在中文理解和生成任务上具备了更强的竞争力。
生成速度提升：从 20 TPS 到 60 TPS
DeepSeek-V3 的生成速度得到了显著提升，从原来的 20 TPS（Tokens Per Second） 提高到了 60 TPS，实现了 3 倍的性能提升。这一改进得益于 DeepSeek 在算法和工程上的创新，使得模型在推理过程中更加高效。
生成速度的提升不仅意味着用户可以更快地获得模型的输出，还能够显著降低计算资源的消耗，使得模型在实际应用中更具经济性和实用性。对于开发者而言，这意味着在构建基于 DeepSeek-V3 的应用时，可以更高效地处理大量请求，提升用户体验。
API 服务价格调整与优惠体验期
随着 DeepSeek-V3 的发布，DeepSeek 对其 API 服务的价格进行了调整。每百万输入 tokens 的价格为 0.5 元（缓存命中）/ 2 元（缓存未命中），而每百万输出 tokens 的价格为 8 元。这一价格调整反映了模型性能的提升和资源成本的增加。
为了回馈用户，DeepSeek 设立了一个长达 45 天的优惠价格体验期，即日起至 2025 年 2 月 8 日，DeepSeek-V3 的 API 服务价格仍为每百万输入 tokens 0.1 元（缓存命中）/ 1 元（缓存未命中），每百万输出 tokens 2 元。这一优惠措施既降低了用户的试用成本，也鼓励了更多开发者和用户尝试和使用 DeepSeek-V3。
开源策略与社区支持
DeepSeek-V3 采用了 FP8（Floating Point 8） 训练，这是一种低精度的浮点数格式，能够显著降低模型的存储和计算需求，同时保持较高的性能。DeepSeek 还开源了模型的权重文件，这为学术界和开发者提供了宝贵的资源。
开源社区对 DeepSeek-V3 的支持非常积极。SGLang 和 LMDeploy 等开源项目第一时间支持了 V3 模型的原生 FP8 推理，而 TensorRT-LLM 和 MindIE 则实现了 BF16（Binary Floating Point 16）推理。这些支持不仅提升了模型的兼容性，也促进了其在不同硬件平台上的应用。
为了方便社区适配和拓展应用场景，DeepSeek 还提供了从 FP8 到 BF16 的转换脚本。这一举措表明 DeepSeek 不仅关注模型本身的性能，还致力于构建一个开放、协作的生态，让更多开发者能够轻松地使用和优化该模型。
未来展望：构建更丰富的功能
DeepSeek 表示，未来将在 DeepSeek-V3 基座模型上继续打造 深度思考、多模态 等更加丰富的功能。这表明 DeepSeek 不仅关注模型的当前表现，还致力于探索更多的应用场景和功能扩展。
在深度思考方面，DeepSeek 可能会引入更复杂的推理机制，以应对更加复杂的问题。在多模态方面，DeepSeek-V3 可能会支持文本、图像、音频等多种数据类型的处理，从而拓展其应用场景。
行业影响与竞争格局
DeepSeek-V3 的发布对 AI 行业产生了深远的影响。首先，它进一步拉大了国产大模型与国际顶尖模型之间的差距，为国产大模型在国际市场上争取更多话语权。其次，它为开发者提供了更强大的工具，使得他们能够更高效地构建和优化 AI 应用。
此外，DeepSeek-V3 的开源策略也对行业生态产生了积极影响。通过开源，DeepSeek 不仅能够吸引更多的开发者参与，还能促进技术的共享和进步。这有助于构建一个更加开放和协作的 AI 生态，推动整个行业向前发展。
总结与建议
DeepSeek-V3 的发布标志着国产大模型在技术能力和生态建设方面迈出了重要一步。其 671B 参数量 和 3 倍的生成速度提升，使其在多个关键评测中表现优异，接近国际顶尖闭源模型。同时，通过开源策略和社区支持，DeepSeek 不断推动技术的普惠和共享。
对于在校大学生和初级开发者而言，DeepSeek-V3 提供了一个强大的工具，帮助他们更好地理解和应用 AI 技术。建议大家多关注该模型的最新动态，积极参与开源社区，以提升自己的技术能力和项目经验。
关键字
DeepSeek-V3, MoE 模型, 671B 参数, 生成速度提升, API 服务价格调整, 开源社区, SGLang, LMDeploy, TensorRT-LLM, MindIE