近日，中国人工智能公司DeepSeek团队悄然发布了其最新版本的模型——DeepSeek-V3，版本号为DeepSeek-V3-0324。 此举虽然低调，但仍然引发了业界的广泛关注。 该模型参数规模达到了6850亿，相较于之前的6710亿参数版本，参数量虽有小幅提升，但更重要的是模型架构和训练方式的潜在优化。
目前，DeepSeek尚未公布新版模型的详细系统卡信息，但开源地址 https://huggingface.co/deepseek-ai/DeepSeek-V3-0324 已经开放，方便开发者下载和测试。更引人注目的是，DeepSeek-V3采用了更为宽松的MIT协议，与DeepSeek-R1保持一致。 这意味着开发者拥有更大的自由度，可以进行模型蒸馏、商业应用，甚至对模型进行二次开发和再分发。这种开放姿态有助于加速DeepSeek-V3的普及和应用，并促进整个大模型生态的繁荣。
初步体验报告显示，DeepSeek-V3在代码生成、数学推理等领域展现出了显著的性能提升。一位海外AI博主更是评价道， DeepSeek-V3在代码能力上已经具备了与Anthropic的Claude Sonnet 3.5竞争的实力。 考虑到Claude Sonnet 3.5在程序员群体中积累的良好口碑，这一评价无疑是对DeepSeek-V3性能的高度认可。 为了解实际性能，我们对DeepSeek-V3的表现进行了进一步测试。
在实际测试中，DeepSeek-V3在网站开发和UI设计方面的进步令人惊喜。 例如，输入提示词“设计一个美观的个人博客网站，要求具有科技感，并直接开发成可用网页”后，DeepSeek-V3在短短2分钟内便生成了一个包含400多行代码的网页。 该网页采用了粒子背景动画、赛博朋克风格的UI设计，以及打字机动画和光波扩散效果的按钮等，视觉效果颇为出色，体现了对用户提示词意图的深刻理解和有效执行。 相比之下，相同指令下，旧版DeepSeek-V3生成的网站代码量较少，且在审美风格上存在明显差距，缺乏科技感和现代感。
DeepSeek-V3在数学能力上也展现出了进步。 尽管面对复杂数学问题时，依然可能出现错误答案，但它在给出最终答案后，会尝试反思，并修改自己的解题过程。 这种自我纠错能力表明，DeepSeek-V3具备持续学习和改进的潜力。 这种反思机制在大模型中并不常见，是 DeepSeek-V3 的一个亮点。
在文科类问题上，DeepSeek-V3也展现出了进步。 例如，在回答“布须曼人喝不喝牛奶？”的问题时，DeepSeek-V3 提供了更为结构化的回答，包含更全面和详细的背景信息，同时仍保持了快速的生成速度。 这种变化让人们联想到 DeepSeek-V3 似乎融合了 V3 和 R1 的优点，更倾向于通过更长的输出来提供更完整的信息。
