昨晚，一个重磅消息在AI圈悄然传开：国内知名大模型平台DeepSeek开源了其V3模型的最新版本——V3-0324。

不同以往的高调宣传，这次DeepSeek选择了静默发布，仅将模型上传至Hugging Face平台。

这一低调的举动却迅速引发了全球开发者，尤其是一些国外网友的关注和热议。

究竟是什么让这个默默发布的模型，在短时间内引发如此大的关注？

DeepSeek V3-0324 的最大亮点在于其强大的代码生成能力。

一些国外网友的测试结果显示，V3-0324 仅需简单的文本提示，就能快速生成各种网站和应用程序的代码。

其代码生成能力足以媲美目前全球最强的闭源代码模型——Claude 3.7 Sonnet思维链版本。

更令人惊喜的是，V3-0324 不仅完全开源免费，而且推理效率更高，运行速度更快。

一位网友分享了自己的测试经历：他给V3-0324出了一道密码谜题，它竟然在不到60秒的时间内就解开了，而Sonnet 3.7却花费了大约5分钟，最终也未能成功破解。

另一位网友则用V3-0324一次性生成了一个完整的网站，包含800多行代码，且没有出现任何错误。

他评价V3-0324“免费、开源、超级快”，并认为开源模型正在推动大公司构建成本更低、性能更优的模型。

更有甚者，一位网友仅用一个简单的提示，就让V3-0324完成了一个登录页面的编码。

他惊叹“我们正在与未来对话”，对V3-0324的代码能力赞不绝口。

V3-0324如此强大的代码生成能力究竟是如何实现的？

这要归功于DeepSeek V3的创新架构和技术。

V3是一个拥有6710亿参数的专家混合模型（MoE），其中370亿参数处于激活状态。

传统的密集神经网络结构在处理每个输入时都需要激活全部参数，导致算力消耗巨大。

而传统的混合专家模型又常常面临专家负载不平衡的问题，导致计算效率降低。

DeepSeek V3 提出了一种辅助损失免费的负载均衡策略，通过引入“偏差项”来动态调整专家负载，有效解决了传统MoE模型的负载均衡难题。

此外，V3还采用了节点受限的路由机制，限制了通信成本，进一步提高了训练效率。

这些创新性的技术使得V3模型在保持高效计算的同时，还能扩展到更多的节点和专家。

根据国外开源评测平台kcores-llm-arena的最新测试数据，V3-0324的代码能力得分高达328.3分，超过了普通版的Claude 3.7 Sonnet（322.3分），几乎可以与334.8分的思维链版本比肩。

这再次证明了V3-0324在代码生成领域的强大实力。

一些网友分析，V3-0324很可能是去年年底发布的DeepSeek V3的迭代更新版本，类似于OpenAI持续更新GPT-4但未改变模型编号的做法。

值得一提的是，DeepSeek V3在许多创意写作任务中也比其他模型更具优势，因为它速度更快，能让用户更快速地进行多次迭代，从而提高创作效率。

虽然V3也存在一些幻觉和准确性不足的问题，但由于人类会在最终使用阶段进行编辑和审核，所以这些缺陷的影响相对有限。

DeepSeek V3自发布以来，已在多个领域展现出强大的实力。

在数学竞赛中，例如AIME 2024和MATH，以及全国高中数学联赛（CNMO 2024）中，V3大幅超越了其他所有开源和闭源模型。

在中文能力方面，V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，在事实知识C-SimpleQA上则更为领先。

更重要的是，V3的训练成本非常低，仅使用了2048个H800 GPU，总训练GPU卡时为2788千小时（预训练为2664千小时），平均每个GPU为1361小时，约合56.7天，远低于同类模型。

这使得V3在性价比方面具有更大的优势。

此次V3-0324版本的开源，无疑将为全球AI开发者提供更强大且低成本的工具，推动AI技术在更多领域的创新应用与发展。

未来，V3-0324在实际应用中会有怎样的表现？

它又将如何影响AI技术的未来发展？

这些问题值得我们持续关注和探讨。