“这是在资源受限的情况下，对研究和工程的一次令人印象深刻的展示。”AI大神、OpenAI创始成员Andrej Karpathy（安德烈·卡帕西）发文称，会仔细阅读这篇非常棒的技术论文。

DeepSeek -V3是第三条路径。与当前大模型训练动辄要求万卡集成相比，它只用2000张A100 GPU训练，就实现了与GPT-4o 和 Claude-3.5-Sonnet几乎等效的成果，不能不令人敬佩。 一位在硅谷从事AI研究的华人工程师告诉21世纪经济报道记者，不排除还有更多的路径选择 ...

“Llama 3 405B 使用了3080万GPU小时，而DeepSeek-V3 看起来是 ... 并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。 与此同时，DeepSeek ...

并在性能上与 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。 一手技术报告中提到，该模型的预训练阶段也就 用 2048 块 GPU 训练了 2 个月，并且只花费了 557.6 ...

仅为Claude 3.5 Sonnet的9%。 更重要的是，大家伙儿还第一时间在论文中发现了关键细节： DeepSeek V3整个训练过程仅用了不到280万个GPU小时，相比之下 ...

仅为Claude 3.5 Sonnet的9%。 更重要的是，大家伙儿还第一时间在论文中发现了关键细节： DeepSeek V3整个训练过程仅用了不到280万个GPU小时，相比之下 ...

仅为Claude 3.5 Sonnet的9%。 更重要的是，大家伙儿还第一时间在论文中发现了关键细节： DeepSeek V3整个训练过程仅用了不到280万个GPU小时，相比之下 ...

仅为Claude 3.5 Sonnet的9%。 更重要的是，大家伙儿还第一时间在论文中发现了关键细节： DeepSeek V3整个训练过程仅用了不到280万个GPU小时，相比之下，Llama 3 405B的训练时长是3080万GPU小时（p.s. GPU型号也不同）。 直观地从钱上来对比就是，训练671B的DeepSeek V3的成本是 ...

就算与 GPT-4o 和 Claude 3.5 Sonnet 这两大领先的闭源模型 ... 毕竟 671B 的参数量已经无法放入单台 GPU 了。 DeepSeek-V3 再一次引爆了人们对开源模型的热情。

知识问答基准（GPQA-Diamond）上，V3也是仅次于Claude 3.5 Sonnet。 如下这张图表，更详细地展示了DeepSeek-V3在各种基准测试中的结果。 53页技术报告中，特比强调了V3的训练成本取得了最大的突破。 团队特意强调了，新模型的完整训练仅需要2.788M个GPU小时。即便如此 ...

该方法巧妙地融合了 R1 的验证和反思模式，显著提高了 DeepSeek-V3 的推理性能，同时又保留了对输出风格和长度的控制 5.仅耗费了 266.4万 H800 GPU 小时 ...