國產之光DeepSeek把AI大佬全炸出來了！53頁論文技術細節大公開

DeepSeek新版模型正式發佈，技術大佬們都轉瘋了！

延續便宜大碗特點的基礎之上，DeepSeek V3發佈即完全開源，直接用了53頁論文把訓練細節和盤托出的那種。

怎麼說呢，QLoRA一作的一個詞評價就是：優雅。

具體來說，DeepSeek V3是一個參數量爲671B的MoE模型，激活37B，在14.8T高質量token上進行了預訓練。

在多項測評上，DeepSeek V3達到了開源SOTA，超越Llama 3.1 405B，能和GPT-4o、Claude 3.5 Sonnet等TOP模型正面掰掰手腕——

而其價格比Claude 3.5 Haiku還便宜，僅爲Claude 3.5 Sonnet的9%。

更重要的是，大家夥兒還第一時間在論文中發現了關鍵細節：

DeepSeek V3整個訓練過程僅用了不到280萬個GPU小時，相比之下，Llama 3 405B的訓練時長是3080萬GPU小時（p.s. GPU型號也不同）。

直觀地從錢上來對比就是，訓練671B的DeepSeek V3的成本是557.6萬美元（約合4070萬人民幣），而只是訓練一個7B的Llama 2，就要花費76萬美元（約合555萬人民幣）。

OpenAI創始成員Karpathy對此讚道：

Meta科學家田淵棟也驚歎DeepSeek V3的訓練看上去是“黑科技”：

全網熱烈實測中

先來看官方說法，新模型這次主要有以下幾個特點：

首先從模型能力來看，其評測跑分不僅超越了Qwen2.5-72B和Llama-3.1-405B等開源模型，甚至還和一些頂尖閉源模型（如GPT-4o以及Claude-3.5-Sonnet）不分伯仲。

從實際響應來看，其生成速度提升了3倍，每秒生成60個tokens。

在又快又好的同時，DeepSeek V3的API價格也被打下來了。

單論價格，正如一開始提到的，它幾乎是Claude 3.5 Sonnet的1/53（後者每百萬輸入3美元、輸出15美元）。

而如果要平衡性能和成本，它成了DeepSeek官方繪圖中唯一闖進“最佳性價比”三角區的模型。

對了，DeepSeek這次還搞了一個45天優惠價格體驗期，也就是在2025年2月8日之前，所有用戶使用DeepSeek V3 API的價格分別下降了80%（輸入命中）、50%（輸入未命中），75%（輸出）。

最後，官方此次一同開源了原生FP8權重，並提供了從FP8到BF16的轉換腳本。

具體而言，SGLang和LMDeploy這兩個框架已支持FP8推理，另外兩個框架TensorRT-LLM和MindIE則支持BF16推理（適合需要更高精度的場景）。

目前普通用戶可以通過官網（chat.deepseek.com）與DeepSeek V3展開對話，API也已同步更新，接口配置無需改動。

知名AI博主AK親測，只需幾行代碼就能將它部署到Gradio。

Okk，話說到這裡，我們直接來看一些實測效果吧。

首位全職提示詞工程師出新題，DeepSeek V3完全答對

這第一關，來自首位全職提示詞工程師Riley Goodside。

新題爲“Which version is this?”，考察模型對自身版本的理解。接受考驗的選手除了DeepSeek V3，還有Claude、Gemini、ChatGPT和Grok。

先說結論，按Riley的說法，這幾位的回答主打“各不相同”，不過DeepSeek V3完全答對了。

Claude 3.5 Sonnet也對其版本瞭如指掌——不僅說對了版本號（許多用戶非官方地稱這個版本爲3.5.1或3.6），還給出了發佈月份。

（不過Claude 3.5 Haiku出錯了，誤識別爲Claude 3 Haiku。）

不過後面幾位選手就開始各種出錯了，尤其是ChatGPT和Grok。

ChatGPT要麼給出模糊答案（基於GPT-4架構），要麼直接自信給出錯誤版本，總之處於比較懵圈的狀態。

而Grok更是獨特，理論倒是一套一套，但就是不說自己的版本。（除非直接問它是哪個Grok模型）

除此之外，一些網友還進行了更多測試。

更多網友整活

比如這位Tom小哥驚訝表示，DeepSeek V3無需開發者詳細解釋，就能“詭異”理解整個項目。

他唯一做的，就是告訴DeepSeek V3最終目標是什麼。

當然，老規矩還是要測一下數草莓中的“r”以及“9.9和9.11哪個大”這種行業難題。(doge）

很欣慰，這次它都答對了，而且答案和分析過程都沒問題。

最後，還有人直接將4個M4 Mac mini堆疊在一起來運行DeepSeek V3了……

唯一值得遺憾的是，當前版本的DeepSeek V3暫不支持多模態輸入輸出。

模型預訓練：＜2個月，600萬美元

測試完畢，我們繼續掰開論文細節。先來看最受關注的預訓練部分：

官方介紹，通過在算法、框架和硬件方面的協同優化，DeepSeek V3的訓練成本變得非常經濟。

預訓練階段，在每萬億token上訓練DeepSeek V3僅需要18萬GPU小時，就是說，在官方2048卡集羣上，3.7天就能完成這一訓練過程。

研發團隊用了不到2個月的時間就完成了DeepSeek V3的預訓練，耗費了266.4萬GPU小時，再加上上下文長度擴展的11.9萬GPU小時，和後訓練的5000 GPU小時，總訓練成本爲278.8萬GPU小時。

假設GPU租賃價格爲每GPU小時2美元，那成本換算過來就是557.6萬美元。

所以，具體是什麼樣的協同優化？

官方標註了幾個重點：

首先，架構方面，DeepSeek V3採用了創新的負載均衡策略和訓練目標。

研發團隊在DeepSeek-V2架構的基礎上，提出了一種無輔助損失的負載均衡策略，能最大限度減少負載均衡而導致的性能下降。

具體而言，該策略爲MoE中的每個專家引入了一個偏置項（bias term），並將其添加到相應的親和度分數中，以確定top-K路由。

研發團隊還證明，多Token預測目標（Multi-Token Prediction，MTP）有利於提高模型性能，可以用於推理加速的推測解碼。

預訓練方面，DeepSeek V3採用FP8訓練。研發團隊設計了一個FP8混合精度訓練框架，首次驗證了FP8訓練在極大規模模型上的可行性和有效性。

論文中還提到了跨節點MoE訓練中的通信瓶頸問題。解決策略包括，設計DualPipe高效流水線並行算法：在單個前向和後向塊對內，重疊計算和通信。

這種重疊能確保隨着模型的進一步擴大，只要保持恆定的計算和通信比率，就仍然可以跨節點使用細粒度專家，實現接近於0的all-to-all通信開銷。

另外，研發團隊還開發了高效的跨節點all-to-all通信內核等。

後訓練方面，DeepSeek V3引入了一種創新方法，將推理能力從長思維鏈模型（DeepSeek R1）中，蒸餾到標準模型上。這在顯著提高推理性能的同時，保持了DeepSeek V3的輸出風格和長度控制。

其他值得關注的細節還包括，DeepSeek V3的MoE由256個路由專家和1個共享專家組成。在256個路由專家中，每個token會激活8個專家，並確保每個token最多被髮送到4個節點。

DeepSeek V3還引入了冗餘專家（redundant experts）的部署策略，即複製高負載專家並冗餘部署。這主要是爲了在推理階段，實現MoE不同專家之間的負載均衡。

最後，來看部分實驗結果。

大海撈針實驗：

可以看到，在各項基準測試中，DeepSeek V3在開源模型中達到SOTA。

賈揚清談DeepSeek團隊：其成就根植於多年專業知識

新版本模型引爆熱議，更多有關DeepSeek及其背後團隊的信息也被關注到。

其中，賈揚清還透露了與DeepSeek團隊早年的相處細節。

當時是2019年，他正打算向團隊推薦一個AI雲解決方案，並試圖說服這羣人：

有意思的是，團隊表示這些東西他們早已實踐了多年，並轉而讓他幫忙向一些大學實驗室捐贈算力資源。

當然最後也確實幫上忙了，而賈揚清也再次感嘆：

最最後，除了本次官方公佈的測試結果，Imsys匿名競技場也出來提前預熱了。