网易首页 > 网易号 > 正文 申请入驻

开源和闭源模型的差距在拉大:这是 DeepSeek 论文揭示的残酷真相

0
分享至

12月2日,DeepSeek 发布了 V3.2 技术报告。在这篇论文里,他们做了一件罕见的事:明确指出开源大模型与闭源模型的性能差距不是在缩小,而是在扩大。

这是基于大量实测数据的冷静判断。

1

差距正在拉大,这是事实

2024年,当 DeepSeek、Qwen、GLM 等开源模型接连发布时,社区充满乐观情绪。"8个月时间差"的说法广为流传,许多人相信开源正在追上闭源。但进入2025年,情况发生了变化。

DeepSeek 在论文引言部分直言不讳地写道:“过去几个月出现了明显的分化。虽然开源社区持续进步,但闭源专有模型的性能提升速度显著更快。结果是,两者的差距非但没有缩小,反而在扩大,闭源系统在复杂任务上展现出越来越强的优势。”

这个观察有数据支撑。论文对比了 DeepSeek V3.2 与 GPT-5、Gemini 3.0 Pro 在多个基准测试上的表现。在 MMLU-Pro(多学科知识测试)中,DeepSeek V3.2 得分 85.0,GPT-5 是 87.5,而 Gemini 3.0 Pro 达到了 90.1。在 GPQA Diamond(研究生级别科学问题)测试中,三者的得分分别是 82.4、85.7 和 91.9。

更明显的差距体现在 HLE(Human Last Exam,极难的文本推理测试)中。DeepSeek V3.2 的得分是 25.1,GPT-5 是 26.3,而 Gemini 3.0 Pro 高达 37.7——这个差距已经不是"接近"能形容的了。

值得注意的是,DeepSeek V3.2 已经是目前最强的开源模型,在大部分开源模型的对比中都处于领先位置。但即便如此,它与顶级闭源模型之间仍然存在明显差距,尤其是在需要深度推理和复杂任务处理的场景中。

1

差距为何在拉大?三个结构性问题

论文通过系统分析,识别出限制开源模型在复杂任务上能力的三个关键缺陷。这些不是表面问题,而是深层次的结构性困境。

第一个问题在于架构层面。

开源模型普遍依赖传统的 vanilla attention 机制,这种机制在处理长序列时效率极低。

论文指出,这种架构上的依赖"严重限制了长序列的效率,对可扩展部署和有效的后训练构成了实质性障碍"。当闭源模型已经在探索更高效的注意力机制时,开源模型还在用五年前的技术架构,这本身就是一个巨大的劣势。

第二个问题是资源投入的鸿沟,尤其体现在后训练阶段。

后训练是让模型从"会说话"变成"会思考"的关键环节,需要通过强化学习让模型学会推理、工具使用和遵循复杂指令。论文透露,DeepSeek V3.2 的后训练计算预算超过了预训练成本的 10%。要知道,预训练本身就是天价投入,而大部分开源模型的后训练预算可能连 1% 都不到。这种资源投入上的差距,直接导致了性能上的代际差异。

第三个问题是 AI Agent 能力的滞后。

在真实应用场景中,开源模型的泛化能力和指令理解能力明显落后。论文引用了三个关键的 Agent 测评基准:在 MCP-Mark 中,DeepSeek V3.2 得分 45.9,Gemini 3.0 Pro 是 51.0;在 MCP-Universe 中,前者是 80.3,后者是 87.9;在 Tool-Decathlon 中,差距更加明显。这些数字背后反映的是开源模型在复杂多轮交互、工具调用、长期规划等场景下的能力不足。

论文总结道:"开源模型在泛化能力和指令跟随能力方面展现出明显滞后,这阻碍了它们在实际部署中的有效性。"这是一个诚实且残酷的判断。

1

DeepSeek 的应对:技术路线的根本性改变

认识到问题后,DeepSeek 没有选择简单地堆砌参数或增加数据量,而是在三个核心维度上进行了根本性的技术创新。

在架构层面,DeepSeek 引入了 DSA(DeepSeek Sparse Attention)机制。

传统注意力机制的计算复杂度是 O(L²),序列长度翻倍,计算量就要翻四倍。DSA 通过"闪电索引器"(Lightning Indexer)快速计算每个 token 的重要性评分,然后只选择 top-k 个最重要的 token 参与注意力计算(论文中 k=2048),将复杂度从 O(L²) 降至 O(L×k)。

这个改进不仅仅是理论上的优化。论文通过实测数据表明,在 128K 上下文长度下,DSA 大幅降低了推理成本,而性能几乎没有损失。更令人意外的是,在 AA-LCR(长文本推理基准)和 Fiction.liveBench(小说理解测试)中,V3.2 的表现甚至优于使用传统注意力机制的 V3.1。这证明 DSA 不仅更快,在某些场景下质量还更好。

在资源投入层面,DeepSeek 做出了超常规的决定。

论文明确写道:"近几个月来,性能提升与扩展的 RL 训练预算持续相关,该预算已超过预训练成本的 10%。"这个数字在开源界极为罕见。具体来说,DeepSeek 为数学、编程、推理、Agent 等六大领域分别训练了专家模型,每个都单独进行大规模强化学习训练。在持续预训练阶段,模型经历了 943.7B tokens 的训练(在 128K 上下文长度下),然后采用 GRPO(Group Relative Policy Optimization)算法进行混合训练,整合推理、Agent 和人类对齐三类任务。

在 Agent 能力强化方面,DeepSeek 开发了系统化的任务合成流程。

他们合成了超过 1800 个多样化环境和 85,000 条复杂提示,涵盖各种真实场景。具体包括 24,667 个代码 Agent 任务、50,275 个搜索 Agent 任务、4,417 个通用 Agent 任务和 5,908 个代码解释器任务。这些合成数据不是随机生成的,而是通过冷启动阶段学习推理与工具使用的统一模式,然后在规模化阶段系统地生成高质量训练场景。

效果是显著的。在 Agent 相关的测试中,DeepSeek V3.2 显著缩小了与闭源模型的差距,在 MCP-Universe 上达到了 80.3% 的成功率,虽然仍低于 Gemini 的 87.9%,但已经是开源模型中的最佳表现。论文总结说:“DeepSeek V3.2 成为 Agent 场景中极具成本效益的选择,显著缩小了开源与前沿闭源模型之间的性能差距。”

论文最后写了一句耐人寻味的话:"如果 Gemini 3.0 证明了持续扩展预训练的潜力,DeepSeek V3.2-Speciale 则证明了在大规模上下文环境中强化学习的可扩展性。"言下之意很明显:闭源巨头有资源堆预训练,但开源可以找到自己的路——通过更高效的架构和更科学的后训练,用更少的资源实现接近的效果。

这或许是开源 AI 唯一的生存之道:不是硬碰硬拼资源,而是拼技术路线的创新。至少在这一次,DeepSeek 证明了这条路是走得通的。


论文链接:https://arxiv.org/html/2512.02556v1

整理:周华香

点个“爱心”,再走 吧

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
别买!基本假的!又一产品大翻车,成本只有 10 元,很多人长期上当

别买!基本假的!又一产品大翻车,成本只有 10 元,很多人长期上当

云居历史
2026-11-20 00:35:53
CCTV5直播中沙男篮世预赛,周琦是赢球关键,郭士强算盘打得很好

CCTV5直播中沙男篮世预赛,周琦是赢球关键,郭士强算盘打得很好

体育大学僧
2026-11-21 11:40:50
体操冠军被欠社保91个月!曝光后7小时补齐 官媒:这效率让人不安

体操冠军被欠社保91个月!曝光后7小时补齐 官媒:这效率让人不安

念洲
2026-11-21 08:37:10
上海普陀祥和名邸业主反映小区内千余棵树遭“砍头式”修剪 物业:流程合规

上海普陀祥和名邸业主反映小区内千余棵树遭“砍头式”修剪 物业:流程合规

信网
2026-11-21 10:46:04
回顾:山东女子野生虎区强行下车,与幼虎合照,10分钟后悲剧发生

回顾:山东女子野生虎区强行下车,与幼虎合照,10分钟后悲剧发生

兰姐说故事
2025-01-17 10:30:03
我退休金7千,存款有100万,血的教训告诉我,不要和谁上演黄昏恋

我退休金7千,存款有100万,血的教训告诉我,不要和谁上演黄昏恋

白云故事
2025-05-27 08:05:08
日本发布了最新中日关系民意调研结果!出乎人意料

日本发布了最新中日关系民意调研结果!出乎人意料

荆楚寰宇文枢
2026-11-20 22:39:50
耻辱罚球!火箭124-133掘金,看数据:他是头号罪人!

耻辱罚球!火箭124-133掘金,看数据:他是头号罪人!

运筹帷幄的篮球
2026-11-21 12:17:53
贵金属价格波动加剧,工商银行发布市场风险提示

贵金属价格波动加剧,工商银行发布市场风险提示

环球网资讯
2026-11-20 15:52:21
本田新车官宣:11月21日,正式发布

本田新车官宣:11月21日,正式发布

3C毒物
2026-11-21 10:42:57
李乃文51岁重庆买房:戏熬出来,家安下来

李乃文51岁重庆买房:戏熬出来,家安下来

可乐谈情感
2026-11-21 15:32:05
习酒前董事长钟方达被双开,此前被传已去世

习酒前董事长钟方达被双开,此前被传已去世

21世纪经济报道
2026-11-20 21:36:51
终于知道男生长得帅能带来多少好处!看网友分享目瞪口呆,大为震撼

终于知道男生长得帅能带来多少好处!看网友分享目瞪口呆,大为震撼

夜深爱杂谈
2026-11-19 20:44:12
贵州支教女老师遇害,6岁学生保留证据21年,真凶令人难以置信

贵州支教女老师遇害,6岁学生保留证据21年,真凶令人难以置信

晓艾故事汇
2024-11-25 23:58:32
特朗普公开表示:我支持黄仁勋重返英伟达,若董事会聪明的话,应该接受他的道歉;中美可搭建超级智能共同护栏,但美国仅对华输出老旧芯片

特朗普公开表示:我支持黄仁勋重返英伟达,若董事会聪明的话,应该接受他的道歉;中美可搭建超级智能共同护栏,但美国仅对华输出老旧芯片

吉刻新闻
2026-11-21 15:47:50
作家陈岚点评大S之死,如果汪小菲带大S去旅游,估计连灰都没有了

作家陈岚点评大S之死,如果汪小菲带大S去旅游,估计连灰都没有了

小人物看尽人间百态
2025-02-09 09:12:11
皇马阿隆索下课时胜率70.6%仍下课,弗洛伦蒂诺为何请回穆里尼奥

皇马阿隆索下课时胜率70.6%仍下课,弗洛伦蒂诺为何请回穆里尼奥

蓝猫说剧
2026-11-21 11:28:04
我姐在银行干活,2023年忽悠我买了100克金条保值,485块一克,扔进去四万八,今年金价窜到800多,拿去卖的时候傻眼了...

我姐在银行干活,2023年忽悠我买了100克金条保值,485块一克,扔进去四万八,今年金价窜到800多,拿去卖的时候傻眼了...

财经要参
2026-11-03 12:00:06
“比亚迪工资再低,至少让102万人有活干有社保”,博主吹比亚迪102万就业,被网友一句话怼到哑火:底薪2300、加班堆出五千

“比亚迪工资再低,至少让102万人有活干有社保”,博主吹比亚迪102万就业,被网友一句话怼到哑火:底薪2300、加班堆出五千

秋风妃
2026-11-15 20:45:54
1970年西哈努克被推翻流亡北京,五年间生活优渥甚至想迎娶女演员,回国后亲人接连遇难,他为何没有选择复仇

1970年西哈努克被推翻流亡北京,五年间生活优渥甚至想迎娶女演员,回国后亲人接连遇难,他为何没有选择复仇

唠叨说历史
2026-11-10 19:55:18
2026-11-22 00:07:00
硅星人 incentive-icons
硅星人
硅(Si)是创造未来的基础,欢迎来到这个星球。
3584文章数 10549关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

艺术
亲子
时尚
手机
军事航空

艺术要闻

内娱体态天花板又出手了。刘诗诗这组写真,脖子以下全是“教科书”

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版