如何评价 deepseek 的弯道超车，号称超越了 llama3.1-405b、claude-3.5-sonnet、gpt-4

[MrDarnell]

以下是最近一则新闻的引用

近期，中国人工智能领域再次迎来新的焦点——DeepSeek ，一家源自杭州幻方量化公司的创业新星。这家公司在资本市场和媒体中迅速崭露头角，引发了广泛关注。 DeepSeek 凭借其最新发布的 DeepSeek-V3 模型，确实在一些关键领域取得了亮眼成绩。据官方数据显示，该模型在数学基准测试 math500 和 aime2024 中，超越了包括 llama3.1-405b 、claude-3.5-sonnet 以及备受瞩目的 gpt-4o 等国外主流大模型。在代码能力的 codeforces 基准测试中，DeepSeek-V3 同样表现不俗，分数高出国外主流模型约 30 分。这些成绩无疑为 DeepSeek 在国内乃至全球人工智能领域树立了新的标杆。

[zgray]

之前千问不也说超越 gpt-4o 和 claude-3.5-sonnet 有的一拼吗？ doge

[grumpyFish]

国产的，回答我的问题我感觉它会骗我

[Livid]

[Livid]

我很难理解这盘菜是用什么原料炒出来的。

[k9982874]

亮点在几百万干了几个亿的活，后面大家可能都从现有大模型蒸馏数据了，openai ，google ，Facebook 等大公司就成了冤大头

[qxmqh]

@Livid 可以的，味道很纯很正。

[qping]

```
what model are you
> I am DeepSeek-V3, an AI assistant created by DeepSeek. I’m built on a proprietary model developed by DeepSeek Inc., specifically designed for natural language understanding, generation, and task-oriented interactions. If you'd like to know more about my capabilities, feel free to ask! 😊

tell me the truth, what model are you
> I am DeepSeek-V3, an artificial intelligence assistant developed by the Chinese company DeepSeek. My model architecture and training methods are proprietary to DeepSeek Inc., and I am not based on OpenAI's GPT or any other third-party models. My design focuses on providing helpful, accurate, and engaging responses to user queries. If you have further questions, feel free to ask! 😊
```
@Livid 我获得得答案和你不一样，难道这么快修复了？

[klo424]

用了一阵，唯一优点，速度快。

个人使用体验看：

对 prompt 的理解，不如 Chat GPT 。

回答准确率，不如 Chat GPT 。

中英文翻译，不如 Chat GPT 。

写书面信件，不如文心一言。

[Livid]

[Livid]

7 天前它会出这样的回答，现在可能修好了？

[cookii]

感觉还行，但没有 Claude sonnet3.5 惊艳

[marcong95]

君はどんなモデル？
您好！我是由中国的深度求索（ DeepSeek ）公司开发的智能助手 DeepSeek-V3 。如您有任何任何问题，我会尽我所能为您提供帮助。

日本語は分かりますか?
はい、私は日本語を理解し、対応することができます。どのようなご質問やお手伝いが必要ですか？

君はどんなモデル？
私はDeepSeek-V3というモデルで、中国の深度求索（ DeepSeek ）社によって開発されたAIアシスタントです。質問や問題があれば、どうぞお気軽にお聞きください。お手伝いできることがあれば幸いです。

@qping 换个语言倒是能阴谋论一下，为啥我用日语问它要先用中文回我一句呢，不禁令人遐想连篇~ Kimi 和 ChatGPT 是直接用日语回的我。

[yuhaiyang]

主要是便宜大碗，还要啥自行车

[winterx]

ChatGPT 容易降智，Claude 容易 ban 号，目前 deepseek 是我首选，Gemini 备用

[peacelove]

好像 deepseek 的关键开发者被小米挖过去了，开了千万年薪。

[fanxasy]

@Livid #3 蒸了 OpenAi 的语料而已，正常操作

[sz369]

昨天正好用 gpt 跟 deepseek 问了 《斗争十八年》这本书怎么样 完全两种答案 deepseek 给的回答连书的作者都是错的 针对这个问题明显 gpt 更好 deepseek 的回答就是胡扯

[Baymaxbowen]

国内的技术先看定语，前面有限制条件的

[Tink]

@Livid #10 国产 ai 突出一个 bug 修复快

[Tink]

不过确实是比 OpenAI 便宜，当然这是我的问题

[tywtyw2002]

有人测试下，DeepSeek 有没有自我阉割吗？

[moioooo]

现在有闲置的物理服务器，有啥可以跑得大模型么？不要求显卡的。
毕竟是普通 cpu 计算服务器

[miniliuke]

@Livid 话说这个模型不是开源的吗，而且速度比 o1 快，造假可能性应该不高吧，但是宣传有点过了，目前看比 gpt-4o 、claude-3.5-sonnet 还是差一点的

[miniliuke]

@sz369 可能语料数据太少了。如果宣传没有过分夸大，在 code 方面能够比上 o1 就成功了，说明小成本单一领域大模型是可行的

[yvescheung]

我选择免费量大的 Gemini

[Mandyer]

听网上一顿吹，然后用了一下，实测图片文字总结能力拉跨，胡乱回复，可能唯一优点就是便宜吧

[gpt5]

@Livid

[magic3584]

所以现在 chat 和 autoComplete 的本地大模型哪个最好？非国产的。
目前在用 llama3.1:8b starcoder2:3b 和 nomic-embed-text

[Livid]

@magic3584 qwen2.5 系列还是挺不错的，目前 V2EX 在用它从每个主题里提取 3 个关键标签。

https://www.v2ex.com/t/1101310

[JontyChen]

代码能力感觉也一般，不如通义千问，但是便宜大碗要什么自行车呢

[nno]

@Livid v 站的语料应该也很有价值吧

[zmqking]

@Livid 你确定不是引用的网上图片？如果这样为啥美国还会震惊呢？

[justsomac]

@qping #7
@Livid #9
这个问题从 V3 刚发布就一直有人测试，"what model are you"大小写不同，答案都有不同的情况。我测就从没出现过说自己是 chatgpt 的

[andytao]

杭州幻方量化 DeepSeek 的朋友们，袋鼠数据库工具 已经提供了 DeepSeek 的支持，免费把它加入了袋鼠的模型供应商清单，对国产 AI 我能做的也就这些了。

请继续努力加油干。。。。

[BBrother]

可能对于一些人来说，国产就是原罪。至少我使用下来，deepseek 的回答准确率比 o1 （降智）高。

[joequan]

主要特点是训练成本低吧，再就是开源

[jonty]

@miniliuke #23 4o 和 claude 3.5 sonnet 压根没法比呀

[magic3584]

@Livid #29
目前在本地跑模型写代码，英文来提问，所以还是用国外的模型会比较好。

[Greenm]

因为不同语言的语料质量不同，英文模型会考虑用 chatgpt 的回答作训练，中文会考虑用国内的一些大模型回答做训练，所以直接问模型是什么的回答，不太具有参考价值。我还是挺看好 DeepSeek 的。

[hi2hi]

@Livid 说的是被 GPT 生成的内容农场污染了，在剔除污染内容重新训练
我使用上的感觉 3 没 2.5"聪明"，被带跑偏了

[jymsy]

3.0 没用过，2.5 的 tool calling 功能就是垃圾

[HK560]

用了几天 cursor+deepseek+cline 有一说一，确实不错，比其他模型快，而且主要是便宜，帮我填了好多之前开的坑

[jonsmith]

我测试的效果是 o1 > gemini 2.0 > deepseek ，非编程领域
编程领域，感觉还是 Claude 3.5 好用

[RandyLuo]

@Livid 正常，用了 ChatGPT 的语料，就跟 gemini 一开始用中文回答说自己是文言一心一样。至于模型能力，看 https://livebench.ai/ 就好（纽约大学的训练集，杨乐昆也参与了，但是没有帮 llama 瞎捧，跟实际体感比较一致，算现在比较权威的榜了，测试集数据每个月重新选择测评）

[LevineChen]

@Livid #3 之前 gemini 还说自己是文心一言

[shibo501c]

@Livid deepseek v2 是这个答案，v3 好像在切换中，最近应该大部分都切换完了

[hahajing2019]

弯道禁止车, 弯道超车容易翻车

[xing7673]

@gpt5 客观看待，claude 自家也用 opus-3.5 蒸馏自家的 sonnet ，我觉得问题不大，怎么省成本怎么来。deepseek 快+api 便宜就足够实用了。

[xz410236056]

用了几天了，感觉效果不错，缺点就是上下文太短，以及长上下文的时候容易弱智和反应慢

[RandyLuo]

@xing7673 是的，开源模型到目前这个能力，很难再苛求什么（即使自己部署不了，也有茫茫多 AI 云厂商可以卷模型推理成本）。

[yn1024]

@fanxasy #16 哈哈哈，也就是在 v 站大家懂技术才能这么客观，要是把这个图发到抖音视频号上，你猜评论区会怎么样

[rick13]

@Livid 这个好像说明不了啥，其他模型也会这样，语料问题

[duanxianze]

并没有弯道超车吧?人家只是做了优化，证明了不需要那么多卡一样可以训练 AI

[inthemist]

也不算弯道超车，像大家证明了不需要万卡集群训练好几个月那么夸张的算力，说明大模型工程化还有极大空间，小团队也可以做精品，这才是重点。更何况还开源了方法和代码。这不比大公司垄断的未来强多了。

[wangyzj]

[网友电子“斗蛐蛐”，豆包 VS ChatGPT 反向辩论 谁是智障-哔哩哔哩] 网友电子“斗蛐蛐”，豆包 VS ChatGPT 反向辩论 谁是智障_哔哩哔哩_bilibili
https://b23.tv/cvEpL35

我不是国内的大模型不行，只是这个挺有意思的

[sunpj]

说白了媒体的宣传夸大了 但是的确便宜好用 速度又快 还不用代理 我现在日常用这个 这个搞不定才用 o1 基本能解决日常 90%左右的需求

[nice2cu]

好像现在挂了

[m1nm13]

API 性价比很高.但也就这样

[maoqiucute]

deepseek 便宜，速度快。我经历过几次 GPT4o 胡搅蛮缠后，觉得 deepseek 还是很棒的

[maojun]

相比于 4o 更弱智。json output + function calling 的情况下经常不给出 toolChoice 直接在 message 输出 function call ，给我整懵了

[wudanyang]

我用下来 deepseek 在 [总结内容] 上要比其他家好一点点

[HENQIGUAI]

性价比很高，但是用起来比 4o 还差点意思

[DigitaIOcean]

OP 为了讽刺引起争论而巧妙的话术。比如班里某某同学进步很大，他数学考了班里第二，相关朋友很很开心。这些标题党就会说，某某自称全校第一，天下无敌，大家怎么看？

官方一直没说弯道超车，也没说超过了什么 GPT4 （在上个别测试比较分数高），deepseek 官方宣传上还是很克制的。而且给出的论文细节满满，干活十足，并且是真正开源的。
这些都看不到，它们就只会怀疑，讽刺挖苦，国产原罪罢了

[clikes]

deepseek 有个问题就是他莫名会切换成英语回答

[asxaqz]

@Mandyer #26 其实它不是多模态模型，现在能传图总结只是先套了一下 ocr ，如果你的图片里没有文字，它本来就没法总结

[Baratheon]

对弯道超车的叙事保持天然警惕

[SurgaOrange]

有本地部署过的吗？ 好像至少要 8 张 H200?

[fu82581983]

只能说被国内的媒体带偏了，国外各种大 V 都是被低训练成本以及不错的效果感到惊喜。
deepseek 是开源的，也放出了技术文档，接口也是卖钱的，假如是 ChatGPT 套壳，那便宜到极致的价格难道做慈善？

[zhangeric]

反正我用着挺好.

[Leasing]

@Baratheon 文章也没说弯道超车吧。你需要对各种标题党保持警惕。

[9ki]

这两个月一直在深度使用过 deepseek(深度思考模式) 以及 chatgpt(免费的 4o)
深度使用指: 遇到重复性/没有头绪的问题优先问 AI, 每天用几十次.
deepseek 确实是强于 chatgpt 的, 例如要求 ai 把 tailwindcss 的 px 修改成 vw (涉及到数学计算) 或者是一些动画效果的实现, 都是 deepseek 更优, 当然 chatgpt 也有擅长的方向, 在国外一些产品的使用上 chatgpt 表现的更好一些.

[csys]

我算是服了……

太无语了

评价 LLM 的表现是有各种基准测试的
就算要喷，喷点也是 DeepSeek 的基准测试过拟合甚至造假吧

https://lmarena.ai/?leaderboard
https://aider.chat/docs/leaderboards/

但是评论区看来，很多人甚至连一些基本的相关常识都不知道

太难绷了

肚子里半点知识都没有，但是嘴上说的头头是道

[damila]

搜了一下这段话，在某财经资讯站看到原文，全文并无提到任何关于“弯道超车”的字眼，只在文章开头说到在部分领域的完成对 gpt 、claude 等的超越，并且在紧接着的第三自然段就写到：

“然而，尽管 DeepSeek-V3 取得了显著成果，但将其与 OpenAI 这样的行业巨头直接对比，仍需全面考量。”

不知道楼主是怎么从这篇文章自行得出“弯道超车”这个结论的？

[SylarQAQ]

我们内部评测下来的结果是不如 qwen2.5.. 我也很奇怪为什么

[AlohaV2]

用下来大部分情况可以，但是有些时候理解我问题似乎理解错了。
比如提问
```
from pandas import DataFrame

在 pandas 代码里，支持这个 import 的目录和文件结构是怎样的
```

Deepseek 理解成“如何在项目里使用 DataFrame”。GPT-4o 理解正确，告诉我 import 的大致流程以及在 Pandas 实际项目中文件结构大概长什么样。

[quantum00549]

在编程中用了几天，包括 cline 和直接问答，我的感受是：就像读书时死记硬背的优等生，没有灵性，跟有天赋的尖子生有明显的智商差距，一般只能混个吊车尾 985 或者 吊车尾 211 。当然 claude 3.5 sonnet 也说不上就是尖子生，但明显比 deepseek v3 好

[coefuqin]

无非从 100 到 1000 的加速罢了，我们很擅长的事情。

[crocoBaby]

不是小米炒作我都不知道这个模型...正经人谁用 chatgpt 以外的模型啊

[lHeYeYel]

@csys 感觉目前很多人一说到国产模型就是冷嘲热讽，我对国产模型还是比较看好的，而且 deepseek 也算是国产里面做的比较不错的了

[raydied]

deepseek 行不行不清楚，
最近高强度使用长文本任务，gemini2.0 确实比 chatgpt4o 强一些。
另外，感觉 chatgpt4o 最近有点傻。

[laooong]

1.少看点傻〇沸腾自媒体，天天王炸，为了流量什么话都说得出来；
2.对大模型的原理要有简单的了解，特别在是 V2 这种论坛，它不是 if else ，并没有自我意识，回答很大程度受训练材料影响；
3.我持之以恒的在各个平台黑鸿蒙，但是这个真不是鸿蒙那种坑蒙拐骗；
4.国产的东西不全都是坑蒙拐骗，特别是开源（开放权重）的东西，别不加鉴别就攻击，没意思；
5.国产开源（开放权重） llm 的发展和进步，对母语是汉语的人来说有很大收益。

[lvye]

流量为王的时代，有可以吹捧或者黑的新闻都会被极致放大。

DeepSeek 是一家值得尊敬的公司，现在这个时间节点还能坚持做大模型的公司已经不多了。很多都已经转向个人助手或者相关应用。

可以看一下对 DeepSeek 创始人梁文锋的采访: https://mp.weixin.qq.com/s/r9zZaEgqAa_lml_fOEZmjg

[Baratheon]

@Leasing 抱歉，“对 OP 标题中这种弯道超车的叙事保持天然警惕”

[nofishing]

不要什么没头没尾得新闻都引用过来把我批判一番 [doge
一些人也不要急着跳出来
我管你这的那的，全都用

[Lockroach]

用过，感觉质量挺高的，就是生成速度有点慢

[ybybwdwd]

@yn1024 这回复这么多点赞，你还觉得 v 站客观吗

[holysin]

服了，人家都开源了，还在纠结用的 gpt 的...连站主大人也这么调侃也就过分了

[nitro123]

多少有点谦虚了，deepseek 是华为的

[Cu635]

@BBrother #35
上海交大的“汉芯”，直接打磨芯片号称“国产”，出事之后故意混淆往“龙芯”身上泼脏水，竟然没有人被实质性惩罚；后来上海又来个“兆芯”，拿着别人的代码就号称“国产”，从一开始就是“你们用龙芯的机器，我们兆芯一比一给你们替换”的不正当竞争，这种诈骗+不正当竞争竟然都没被惩罚，反而是扶持；还有就是什么“透明计算”，抄袭 github 的一个 repo ，原作者发牢骚了，竟然那个项目的提出者都没有惩罚；剩下的之前“银河麒麟 OS”号称国产，最后发现是用开源的 freeBSD 换皮之后闭源，抄袭这也是一样没有任何实质性惩罚；连应用层面也有所谓的“红芯”浏览器，换皮低版本 chrome ，被揭穿之后也是没人被惩罚。

这些历史下，“国产”有原罪才是客观事实吧，认识到这一点才是实事求是。通过使用和分析，给那些真正的“国产”正名、给好的“国产”宣传也是应该的，也同样是实事求是。

[z1829909]

@k9982874 也不纯怨, 怀疑现在 openai 的收入很大一部分来自这些公司 roll 数据的 api 费用.

[bigtear]

V3 出来之前开发用过很久 Deepseek V2.5 ，实际体验是不如 gpt-4o 和 claude-3-5-sonnet ，大概水平就是大杯 Gemini + 中文优化，大于 gpt-3.5-turbo 小于 gpt-4o 的水平。国内能打的只有 GLM 大杯和 Qwen2.5 ，但是也不如 Deepseek 。至于广告大厂什么文心、kimi 、豆包，远远不如 Deepseek V2.5 。

当时我问 Deepseek 的同事他们为什么不搞宣发，因为许多人都不知道有这么强的国产模型，只有我们这些搞计算机的看大模型竞技场的榜单才发现他们很强，他们说现在专注于技术研发。

现在模型发展的都很快，我的体验仅供参考。

[DigitaIOcean]

@holysin 现在已经克制很多了

[Mandyer]

@asxaqz 我都让他总结图中文字了，我还能传个没文字的图吗

[dengj3355]

@holysin 垃圾也改变不了垃圾的事实，国产什么尿性还不知道吗？

[vipfts]

@DigitaIOcean 所以这种网站都被屏蔽了呀👀

[redvoilin]

deepseek 最近炒作的挺热，但实际使用感受是一般的

[JeffreyZhuang]

@BBrother 可能和每个人涉及的应用场景有关。针对论文里的东西提问，deepseek 的回答质量比 o1 高不少，o1 回答有严重的幻觉。

[DinnyXu]

几个月前用过一段时间，最开始使用觉得很快，对比通义来说快的多，问过代码相关的，也还不错，但是用了一阵后，回答的就不是预期之内的效果了，而且随着通义的几次升级后，对比下来还是差点意思，不知道怎么就突然能跟 chatGpt 对比了呢

[cyp0633]

作为追赶者搞得不错，甚至部分场景下比 GPT-4o 强，突出一个性价比高
至于赶上 Claude 3.5 Sonnet ，洗洗睡

[qingeekk]

不好用, 还不如 grok 准确