DeepSeek V3来了 老外评测结果：很不错

近期，DeepSeek-V3-0324正式发布，迅速在全球AI领域引发热议。相较于前作，V3版本虽未实现颠覆性创新，却在推理和编程两大关键领域取得进步，为用户带来新的惊喜。

DeepSeek向来秉持低调策略，在推出新版本时，既不发布白皮书进行详细阐述，也没有召开盛大发布会，仅将模型上传至Hugging Face平台。尽管如此，凭借卓越的性能，DeepSeek的每一次更新，都能成功吸引AI社区的高度关注。

这一次，V3-0324展现出更强大的复杂任务处理能力，在面对复杂问题时，能对任务有更深入理解，并提供更有效的解决方案。对于Web设计师而言，V3能够生成更为简洁高效的代码，显著提升Web页面和游戏界面的质量，极大提高工作效率。

和R1版本一样，效率依旧是V3-0324的一大突出优势。当前，许多AI模型的运行和训练依赖超级计算机，这类设备虽然拥有强大的运算能力，能够处理海量数据，但使用成本极高。与之相比，V3-0324在维持高性能的同时，有效控制了成本，这使得更多开发者和企业能够轻松使用该模型，进一步推动AI技术的普及与应用。

专家：开源模型最终会成为赢家

有趣的是，该版本在多个关键领域的进步，与谷歌Gemini 2.5 Pro极为相似，不仅在编程能力上大幅提升，推理水平更加出色，在token的使用效率上同样有了进步。

从参数规模来看，DeepSeek之前推出的R1拥有6710亿参数，而V3则达到6850亿，参数数量略高于前代。这一变化让业界普遍认为，V3将成为R2版本的重要基础。AIcpb.com创始人Li Bang zhu指出，V3在编程方面显著提升，为R2奠定了良好基础。R2原计划于5月初推出，一些专家认为，R2可能会提前和大家见面。

在推理能力上，DeepSeek-V3-0324展现出卓越的实力。在MMLU-Pro基准测试中，其准确率从75.9%提升至81.2%；在GPQA测试中，准确率从59.1%提升至68.4%；在AIME测试中，准确率从39.6%大幅跃升至59.4%；在LiveCodeBench测试中也从39.2%提升至49.2%。

加州大学博士、奥林匹克数学金牌得主Jasper Zhang用AIME 2025难题对DeepSeek-V3-0324进行严格测试，结果显示，V3各项表现出色。基于此，Jasper Zhang对开源模型充满信心，坚信其在未来的AI竞赛中能够获胜。目前，他创建的Hyperbolic公司已全面支持V3模型。

众多外媒在性能测试后普遍得出结论：V3-0324相较R1版本，性能有了飞跃。苹果设备研究人员Awni Hannun确认，在搭载M3 Ultra芯片的Mac设备上，V3的运行效率可达每秒20 tokens，他认为，以前人们都认为AI模型需要企业级基础设施，现在证明并非如此。这一数据不仅彰显了V3-0324的高效，更表明DeepSeek在面对OpenAI等行业巨头时没有落后，还证明了AI模型运行对企业级基础设施的依赖并非不可撼动。

一直以来，AI模型的运行高度依赖英伟达GPU，高昂的价格让许多开发者望而却步。与之形成鲜明对比的是，Mac Studio在进行推理时功耗不到200瓦，极大降低了使用成本。

开发者兼AI专家Simon Willison敏锐地指出，V3-0324支持本地部署，这一特性或将推动AI产业发生深刻变革。以往，AI模型多部署于中心化数据中心，而未来，部署方式将朝着去中心化、高效化方向发展，消费级设备在AI应用中将发挥更大作用。

普通开发者：很强，但编程还要优化

一位名叫Hamed的国外开发者发表评论称，让Gemini 2.5 pro和DeepSeek-V3-0324编写代码，制作国际象棋小程序，前者生成570行代码，后者生成2372行。

开发者vewin说：“V3-0324相当强大，它用R1约十分之一的token成本获得了相似的性能。”

Julian Goldie SEO则表示，在内容生成方面，V3-0324超越了谷歌Gemini 2.5。评测之后他得出几个结论：DeepSeek撰写的内容更有说服力，Gemini的推理能力十分出色，二者都能免费使用，但它们的API功能都有一些Bug。

开发者Hassan认为：“根据我的测试，V3更聪明了，这种聪明是全方位的，编程相当优秀，执行前端任务更是如此。”

开发者bilLkarkariy要求V3-0324和Gemini Pro 2.5为应用程序设计一个登录页面，对比之后他感到震惊，DeepSeek给出了完整、立刻就能用的解决方案。

当然，有人肯定也有人否定。

一位名叫Bindu Reddy的女性开发者提出反对意见，她认为：“V3非常快，是一个巨大的进步，但在真实编程中，V3仍然离Sonnet3.7有不小差距。”专门评测大模型的Markus Zimmermann认为：“用DevQualityEval 1.0测试，发现V3-0324的表现不如之前的DeepSeek V3。”

总体而言，开发者对V3-0324相当肯定，负面声音比较小。

开发者Petri Kuittinen让V3给AI企业制作漂亮的响应式前端网页，只需要一条提示语，就能将各种元素融合进去。他认为，DeepSeek V3-0324是DeepSeek最好的非推理模型，通常更适合创意性写作任务，比R1更适合制作HTML5+CSS+前端。在上面的任务中，它生成958行代码，里面包括图片、交互式网站。

Petri Kuittinen认为：“Anthropic和OpenAI已经陷入麻烦。V3-0324真的可以编程，可以制作漂亮的HTML5、CSS，前端部署相当容易，而且免费使用。”（小刀）