计算机行业：DEEPSEEK_V3发布，技术创新和商业化落地的共振

核心观点

• DeepSeek-V3模型正式发布，性能对齐海外头部模型，多项评测成绩超越Qwen2.5-72B和Llama-3.1-405B等开源模型，与GPT-4o（0513版本）及Claude-3.5-Sonnet-1022等闭源模型性能相当。
• 国内头部自研开源模型，创新引入无辅助损失的负载均衡策略和多token预测（MTP）策略，结合监督微调（SFT）和强化学习（RL）后训练，提升模型泛化能力和任务适应能力。
• 完整训练仅需278.8万H800GPU小时，采用FP8混合精度训练框架，成本效益显著，性能/价格比最优，API服务定价为每百万输入tokens 0.5元（缓存命中）/ 2元（缓存未命中），每百万输出tokens 8元。

关键数据

• DeepSeek-V3参数量：671B，激活量：37B，预训练token数：14.8T。
• MATH500（EM）测试准确率：90.2%，Codeforces（Percentile）测试准确率：51.6%。
• 完整训练GPU小时数：278.8万H800。
• API服务定价：输入tokens（缓存命中/未命中）0.5/2元，输出tokens 8元。

研究结论

• DeepSeek-V3是目前最强的开源模型，性能媲美闭源模型，且训练高效、成本可控，推动普惠AGI发展。
• 创新训练策略（无辅助损失负载均衡、MTP）和后训练优化（SFT+RL）显著提升模型性能和任务适应能力。
• 未来将持续优化架构、数据质量、推理能力和评估方法。

风险提示

• 技术迭代不及预期、商业化落地不及预期、政策支持不及预期、全球宏观经济风险。