在GPT - 4问世近两年后，我们终于有了一个与之和Claude 3.5 Sonnet相当的开源模型。而且成本只是它们的一小部分。
现在它被大肆炒作，这也理所当然。但我想知道Deepseek v3是否真的那么令人印象深刻。
我用我的个人问题集测试了该模型，以在推理、数学、编码和写作方面对其性能进行基准测试。
以下是我的发现：
- 在推理和数学问题上，Deepseek v3的表现优于GPT - 4o和Claude 3.5 Sonnet。
- 在编码方面，Claude无人能及。只有o1有机会与之一较高下。
- 在写作方面Claude再次更胜一筹，但我注意到Deepseek的回答模式，甚至用词，有时与GPT - 4o惊人地相似。我在我的博客文章中分享了一个例子。
Deepseek可能使用GPT - 4o生成的数据来训练模型。你甚至能感觉到它是如何模仿GPT - 4o的说话风格的。
谁应该使用Deepseek v3？
- 如果你使用过GPT - 4o，你可以放心地切换；它是同样的东西，但成本低得多。有时甚至更好。
- v3是构建AI应用程序最理想的模型。考虑到性能，与其他模型相比，它超级便宜。
- 对于日常使用，我仍然更喜欢Claude 3.5 Sonnet。
如需完整分析和我对Deepseek v3的记录，请查看博客文章：Notes on Deepseek v3
你对新的Deepseek v3有什么体验？你发现这个模型对你的使用场景有用吗？
讨论总结
该讨论主要围绕Deepseek v3展开，将其与GPT - 4o、Claude 3.5 Sonnet等模型在推理、编码、写作等多方面进行比较，同时涉及到其性价比、数据安全等方面。大家对Deepseek v3的看法褒贬不一，既有认可其优势的，也有指出其不足和表示怀疑的。
主要观点
- 👍 Deepseek v3价格便宜，可作为非隐私敏感简单任务中gpt4o的良好替代品
- 支持理由：相比gpt4o成本低很多，性能在一些场景下相当甚至更好。
- 反对声音：Google免费的Gemini模型也能满足此需求。
- 🔥 在编码方面，Claude 3.5 Sonnet表现优于Deepseek v3
- 正方观点：多个评论者在不同的编程语言测试中得出Claude 3.5 Sonnet表现更好的结论。
- 反方观点：有评论者认为在Linux接口操作方面Deepseek v3的知识集更与时俱进，在编码方面更倾向于Deepseek v3。
- 💡 Deepseek v3在小说写作中存在很快重复自身的问题
- 解释：评论者指出在大概8000个token之前表现还不错，但之后就开始重复自身，并且长文本输出时会出现混乱等情况。
- 💪 原帖作者测试Deepseek v3时可能存在失误
- 解释：有评论者指出原帖在测试时可能把Deepseek R1和v3当作一个模型进行测试了。
- 🤔 对于Deepseek v3基于GPT - 4o数据训练存在质疑
- 解释：包括对这种训练方式是否合法以及是否意味着会更好表示怀疑。
金句与有趣评论
- “😂 我在编码方面更喜欢它，我正在做大量的Linux接口工作，它的知识集似乎可能更与时俱进。”
- 亮点：指出Deepseek v3在特定编码领域（Linux接口）知识方面的优势。
- “🤔 在我的经验中，它比4o好且接近Sonnet，你可能只需要一个以上的提示就能得到你想要的。”
- 亮点：强调Deepseek v3在性能上接近其他模型且获取结果的方式。
- “👀 所有模型在Python方面都有可比的质量，Claude略占优势。”
- 亮点：对不同模型在Python语言方面的表现进行简洁概括。
- “😮 我以为我是唯一一个觉得DS3比不上Sonnet的人，这里有时就是这样炒作的！”
- 亮点：表达出对Deepseek v3被过度炒作的看法。
- “💥 我按照教程将它与vscode上的Cline集成，在我看来，仅编码工具这一方面就把GPT - 4o打得落花流水。”
- 亮点：通过与GPT - 4o对比，突出Deepseek v3在编码工具方面的优势。
情感分析
总体情感倾向比较复杂，既有正面肯定的（如认为Deepseek v3便宜、在某些方面表现不错等），也有负面质疑的（如在写作方面的问题、可能存在测试失误、数据安全担忧等）。主要分歧点在于Deepseek v3的性能是否真的如宣传那样，在不同任务场景下（编码、写作等）与其他模型相比到底谁更优。产生这些分歧的原因是不同用户有不同的使用场景和测试结果，并且对模型的期望和关注点也不同。
趋势与预测
- 新兴话题：Deepseek v3与Qwen的比较、Deepseek v3在本地运行的硬件要求和价格比较。
- 潜在影响：如果Deepseek v3在性能和成本方面确实有优势，可能会影响到用户在人工智能模型选择上的决策，推动更多人使用开源模型；对模型开发者来说，可能促使他们改进自己的模型以提高竞争力。
详细内容：
《关于 Deepseek v3 的热门讨论》
近日，Reddit 上一则关于“Notes on Deepseek v3: Is it truly better than GPT-4o and 3.5 Sonnet?”的帖子引发了热烈讨论。该帖发布后获得了众多关注，评论数众多。
原帖作者对 Deepseek v3 进行了多方面的测试，包括推理、数学、编码和写作等，并分享了测试结果。指出在推理和数学问题上，Deepseek v3 表现优于 GPT-4o 和 Claude 3.5 Sonnet；在编码方面，Claude 无可匹敌；写作方面，Claude 更优，但 Deepseek 的响应模式有时与 GPT-4o 相似。还探讨了 Deepseek v3 的适用人群，并提供了相关博客文章的链接供大家参考。
讨论焦点主要集中在 Deepseek v3 与其他模型在不同领域的表现差异，以及其适用性和潜在问题。有人表示，对于一些简单任务且不涉及隐私敏感的情况，Deepseek v3 因其价格低廉可替代 GPT-4o；也有人认为 Claude 在编码方面表现出色，是日常工作的首选。
有用户分享道：“对于我来说，在编码方面它不如 3.5 Sonnet，但价格便宜，是 GPT-4o 的良好替代品。”还有用户提到：“Claude 是最令人享受的工作模型，具有真正的大语言模型的个性。”
关于 Deepseek v3 在不同编程语言中的表现，看法各异。有人认为在 Python 方面，各模型质量相当，Claude 略有优势；在 React 和 Nodejs 方面，Claude 3.5 Sonnet 表现更好。
然而，也有用户指出 Deepseek v3 在长篇写作方面存在问题，如重复性高、容易陷入循环等。但在管理代理工作流程方面，它表现出色，且价格低廉。
总之，关于 Deepseek v3 的讨论呈现出多样化的观点，大家在其性能、适用场景和潜在风险等方面各抒己见。那么，您是否也尝试过 Deepseek v3 呢？对于它的表现您又有怎样的看法？
感谢您的耐心阅读！来选个表情，或者留个评论吧！