DeepSeek-V3开源，MoE架构跑分直追Claude 3.5

刚刷完DeepSeek-V3的技术报告，这波是真有点东西。说几个重点，大家自己掂量：

1. 671B总参数，37B激活，MoE架构。训练只用了2.788M H800 GPU小时，成本不到600万美元——相比GPT-4那种烧钱法，这性价比离谱。

2. 跑分硬刚：MATH 90.2%，HumanEval 82.6%，MMLU 86.5%。实测下来，代码生成和数学推理基本和Claude 3.5 Sonnet打平，部分任务还能小胜。

3. 最实用的一点：上下文128K，开源MIT协议，直接可商用。HuggingFace上模型权重已放，单卡RTX 4090跑量化版本没问题。

个人实测感受：写Python脚本、搞SQL分析、调bug，响应速度和准确度都比Llama 3.1 70B强一个档次。缺点是对中文长文本的理解偶尔飘，但代码场景基本没翻车。

想尝鲜的直接去GitHub拉代码，环境配置半小时搞定。建议先跑modelscope的镜像，省去翻墙折腾。

PS：别问我能不能打GPT-4o，价格差摆在那，这玩意儿是给没钱烧的中小团队准备的。