原贴链接

帖子仅包含一个图片链接，无实质可翻译内容

讨论总结

此讨论主要围绕Sonnet3.5与v3展开。大家从多个角度进行比较，如性能、成本等。在性能方面，不同的评论者有不同的结论，有的认为DeepSeek - V3更优，有的则觉得Sonnet 3.6在特定任务中表现更好。成本上，DeepSeek - V3训练成本低且价格便宜。还讨论到模型的语境窗口、许可条款、潜在审查等问题，也有对未来测试的期待，整体氛围理性且观点多元。

主要观点

  1. 👍 DeepSeek - V3在性能和成本上比Sonnet 3.6有优势
    • 支持理由：在性能方面几乎每个基准测试都更胜一筹，且价格便宜很多，训练成本极低
    • 反对声音：在某些任务如Rust代码/任务中，Sonnet 3.6结果更好
  2. 🔥 基准测试与现实世界不一定相关
    • 正方观点：希望看到现实世界的测试才能更好地比较Sonnet3.5与v3
    • 反方观点：无（未提及明显反对意见）
  3. 💡 DeepSeek - V3的许可在用于消费类产品时存在问题
    • 解释：许可条款可能导致商业应用避免使用它，存在违反许可被抓的风险
  4. 💡 Claude目前难以被击败，但考虑成本时v3是优秀对手
    • 解释：Claude当前实力强大，但v3成本低具有竞争力
  5. 💡 模型虽有128k语境但相对新模型而言偏低
    • 解释：在一些情况下128k语境会很快不够用

金句与有趣评论

  1. “😂 Specter_Origin：Mildly concerned with low context window, but otherwise 10/10 deepseek in price to performance.”
    • 亮点：简洁地表达了对低语境窗口的担忧和对Deepseek性价比的认可
  2. “🤔 ReMeDyIII：It is kinda funny tho that 64k ctx is considered "low" nowadays.”
    • 亮点：指出了现在对于语境大小观念的变化很有趣
  3. “👀 pigeon57434: I would say its barely a competition considering DeepSeek - V3 beats sonnet 3.6 at almost every bench while also being like 57X cheaper and available pretty much unlimited on DeepSeek’s website while Claude has shit rate limits even as a paid user”
    • 亮点：详细对比了DeepSeek - V3和Sonnet 3.6以及Claude的情况
  4. “🤔 nrkishere: according to their readme, "Despite its excellent performance, DeepSeek - V3 requires only 2.788M H800 GPU hours for its full training."”
    • 亮点：通过数据说明DeepSeek - V3的训练成本低
  5. “👀 sebo3d: 它是连贯且智能的，但在创造力方面我会给它6/10。”
    • 亮点：对Deepseek模型的创造力给出了具体评分

情感分析

总体情感倾向较为理性中立。主要分歧点在于不同模型在不同任务中的表现优劣以及DeepSeek - V3的许可条款。可能的原因是大家从不同的使用场景和需求出发，且对于模型的评价标准存在差异，如商业应用更关注许可风险，而普通用户更在意性能和成本等因素。

趋势与预测

  • 新兴话题：可能会出现更多关于不同模型在特定领域（如1%俱乐部问题、编码任务等）的测试结果对比。
  • 潜在影响：对模型开发者而言，这些讨论可能促使他们改进模型性能、调整许可条款等；对用户来说，有助于更好地选择适合自己需求的模型。

详细内容：

标题：关于 Sonnet3.5 与 DeepSeek V3 的热门讨论

在 Reddit 上，一个关于 Sonnet3.5 与 DeepSeek V3 的讨论引发了众多关注。该帖子包含了丰富的观点和见解，吸引了大量用户参与讨论，获得了众多点赞和评论。

帖子中主要的讨论方向包括对两者性能、价格、上下文窗口、应用场景以及许可证等方面的比较和探讨。

文章将要探讨的核心问题是：DeepSeek V3 在性能和价格上的优势是否能使其在与 Sonnet3.5 的竞争中脱颖而出，以及其许可证和某些应用场景中的表现是否存在限制。

讨论焦点与观点分析

有人认为 DeepSeek V3 在性能上几乎在每个基准测试中都优于 Sonnet3.5，而且价格便宜得多，在 DeepSeek 网站上几乎无限制使用。但也有人指出，DeepSeek V3 的上下文窗口相对较低，对于较新的大型模型来说处于下风。

例如，有人分享道：“作为一名长期关注模型发展的技术爱好者，我发现 DeepSeek V3 的训练成本极低，但其性能却相当出色。‘尽管其性能卓越，DeepSeek - V3 完成全部训练仅需 2.788M H800 GPU 小时。’这让人感到惊讶。” 还有用户提供了相关链接：https://x.com/tom_doerr/status/1872287585667878972 ，进一步支持了某些观点。

在应用场景方面，有人表示在 Rust 代码/任务中，Sonnet3.6 能带来更好的结果。而对于 DeepSeek V3 在某些方面的表现，如在无审查角色扮演和故事写作中，有人认为虽然价格便宜，但存在诸如缺乏创造力、重复问题以及可能的审查等不足。

关于许可证，有人认为 DeepSeek 的许可证对于个人使用可能可以接受，但对于商业用途，存在一些限制和风险。

在讨论中，大家对于两者的评价存在一定的共识，即性能和价格是重要的考量因素，但在不同的应用场景中，各自的优势和不足也需要仔细权衡。一些独特的观点，如对特定测试问题的回答表现等，也丰富了讨论的内容。