DeepSeek 發(fā)布了其 V3-0324 模型，雖然官方將其描述為“小版本迭代”，但實際表現(xiàn)卻遠超預(yù)期。本文將深入探討 DeepSeek-V3-0324 的技術(shù)細節(jié)、性能表現(xiàn)以及其對商業(yè)模型的潛在影響，分析開源模型如何通過低成本和高性能推動行業(yè)變革。

昨晚，DeepSeek 無預(yù)警發(fā)布 DeepSeek-V3-0324 模型，此次更新雖被官方低調(diào)地稱為 “ 小版本迭代 ”，但實測表現(xiàn)遠超預(yù)期。

該模型尤其在代碼生成、前端開發(fā)等方面顯著提升，甚至部分能力比肩 Claude 3.7 Sonnet，引發(fā)全球 AI 社區(qū)熱議。

在大模型競技場測試 KCORES 中，DeepSeek-V3-0324 代碼能力得分 328.3 分，超越普通版 Claude 3.7 Sonnet（ 322.3 分 ），接近 Claude 3.7 Sonnet 的思維鏈版本（ 334.8分 ）。

在 Aider LLM Leaderboard 排行榜中，DeepSeek-V3-0324 在多語言基準測試中得分為 55%，比 V3 有顯著提升，比 R1 略低一些。在非思考/推理模型中，它排名第二，僅次于 Claude Sonnet 3.7 。

測試數(shù)據(jù)還表明，在表現(xiàn)良好的模型中，DeepSeek-V3-0324 花費是最低的，比 R1 還低很多，只需大約 1/5，擁有高到令人發(fā)指的性價比。

另外，Claude Sonnet 3.7 Thinking 的花費是 DeepSeek-V3-0324 的 33 倍， o1 是 DeepSeek-V3-0324 的 167 倍。

目前在 DeepSeek 官網(wǎng)，只需要關(guān)閉 “ 深度思考 ” 選項即可使用新模型。

B端产品经理的能力模型与学习提升

B端产品经理面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 ...

查看详情 >

Hugging Face 上也提供了開源下載，下載地址：https://huggingface.co/deepseek-ai/DeepSeek-V3-0324/tree/main

DeepSeek-V3-0324 包含 685B 參數(shù)，較前代 V3 小幅增加，采用 MoE（ 專家混合 ）架構(gòu)，激活參數(shù) 370 億。網(wǎng)友實測 DeepSeek-V3-0324 支持 4-bit 量化，可在 512GB M3 Ultra Mac上以 20+ token/s 速度運行，磁盤占用僅352GB。新模型采用與 DeepSeek-R1 相同的MIT許可，允許自由修改、商用及模型蒸餾，比上一版 V3 更開放。

從測評結(jié)果來看，DeepSeek-V3-0324 前端開發(fā)表現(xiàn)突出，媲美頂級商業(yè)模型。

X 博主 Deepanshu Sharma 僅用簡單提示詞（ “ 用 HTML/CSS/JS 制作現(xiàn)代化登錄頁面 ” ），就能讓新版 V3 一鍵生成 800+ 行代碼，且無錯誤運行，效果媲美 Claude 3.7 Sonnet 。

在經(jīng)典彈跳小球測試中，DeepSeek V3-0324 不僅比 R1 表現(xiàn)更好，博主 Deepanshu Sharma 還認為它生成了最流暢的動作。

在測試中 o3-mini 最初表現(xiàn)看起來不錯，但并沒有正確遵循物理原理，尤其是在視頻中間，球?qū)χ亓]有做出正確的反應(yīng)。

Deepanshu Sharma 評價 DeepSeek V3-0324 “ 表現(xiàn)得像唯一排名第一的非推理模型 ”。

據(jù) X 網(wǎng)友 karminski-牙醫(yī)介紹，在升級版的 20 小球物理模擬測試中，DeepSeek V3-0324 相比 V3 也表現(xiàn)更優(yōu)。

而新版 V3 與頭部推理模型的比較情況如下：

在火星任務(wù)測試中，DeepSeek-V3-0324 提升巨大，星球、圖例渲染正確，發(fā)射和返回的窗口計算也有很大進步。

結(jié)合 UI 設(shè)計和物理模擬，X 網(wǎng)友 Parul Pandey 還用 DeepSeek-V3-0324 生成了一個可交互物理模擬界面，通過 AnyChat 使用 DeepSeek-V3-0324 模擬水分子。

實際運行中，可以通過溫度滑塊提升溫度，讓分子呈現(xiàn)越來越快的前進和碰撞反彈運動。

提示詞：創(chuàng)建一個交互式模擬，顯示水分子形成和斷裂氫鍵的過程，同時顯示溫度滑塊。

對于本次升級的技術(shù)難度，有 Reddit 網(wǎng)友 pigeon57434 給出了比較中立的解讀：不用太驚嘆本次 V3 升級的幅度，因為 RL （ 強化學(xué)習(xí)，Reinforcement Learning ）潛力極大。以 QwQ-32B 為例，盡管它實際上小了 20 倍，但它在某些方面的表現(xiàn)幾乎與 R1 一樣好，甚至比 R1 更好。它能那么強，只是因為擴展推理模型還有很大空間，甚至不需要新的基礎(chǔ)模型。我敢打賭，使用更復(fù)雜的技術(shù)，可以輕松獲得基于 DeepSeek-V2.5 的推理模型來擊敗 R1，更不用說這個新版本的 V3 了。

總的來說，這樣的免費+高性能的組合將對 OpenAI、Anthropic 等閉源商業(yè)模型形成越來越大的壓力。

DeepSeek 此次更新再次證明開源模型的爆發(fā)力，不僅技術(shù)指標逼近頂級商業(yè)AI，更以低成本、高自由度推動行業(yè)變革。

可以合理推測，此次更新有可能是R2的前置版本，類似去年 V3 ( 24.12.16 )→R1 ( 25.01.20 ) 的發(fā)布節(jié)奏，或許幾周內(nèi)我們可能迎來更強的推理模型 R2。

隨著 R2 的臨近，全球 AI 競爭格局或?qū)⒂瓉硇乱惠喯磁啤?/strong>