超越Claude 3.5緊追o1，DeepSeek-V3-Base開源，編程能力暴增近31％

在 2024 年底，探索通用人工智能（AGI）本質的 DeepSeek AI 公司開源了最新的混合專家（MoE）語言模型 DeepSeek-V3-Base。不過，目前沒有放出詳細的模型卡。 

HuggingFace 下載地址：https://huggingface.co/DeepSeek-ai/DeepSeek-V3-Base/tree/main

具體來講，DeepSeek-V3-Base 採用了 685B 參數的 MoE 架構，包含 256 個專家，使用了 sigmoid 路由方式，每次選取前 8 個專家（topk=8）。 

該模型利用了大量專家，但對於任何給定的輸入，只有一小部分專家是活躍的，模型具有很高的稀疏性。 

從一些網民的反饋來看，API 顯示已經是 DeepSeek-V3 模型。 

同樣地，聊天（chat）界面也變成了 DeepSeek-v3。 

那麼，DeepSeek-V3-Base 性能怎麼樣呢？Aider 多語言編程測評結果給了我們答案。 

先來瞭解一下 Aider 多語言基準，它要求大語言模型（LLM）編輯源文件來完成 225 道出自 Exercism 的編程題，覆蓋了 C++、Go、Java、JavaScript、Python 和 Rust 等諸多編程語言。這 225 道精心挑選的最難的編程題給 LLM 帶來了很大的編程能力挑戰。 

該基準衡量了 LLM 在流行編程語言中的編碼能力，以及是否有能力編寫可以集成到現有代碼的全新代碼。 

從下表各模型比較結果來看，DeepSeek-V3-Base 僅次於 OpenAI o1-2024-12-17 (high)，一舉超越了 claude-3.5-sonnet-20241022、Gemini-Exp-1206、o1-mini-2024-09-12、gemini-2.0-flash-exp 等競品模型以及前代 DeepSeek Chat V2.5。 

其中與 V2.5（17.8％）相比，V3 編程性能暴增到了 48.4％，整整提升了近 31％。 

另外，DeepSeek-V3 的 LiveBench 基準測試結果也疑似流出。我們可以看到，該模型的整體、推理、編程、數學、數據分析、語言和 IF 評分都非常具有競爭力，整體性能超越 gemini-2.0-flash-exp 和 Claude 3.5 Sonnet 等模型。 

HuggingFace 負責 GPU Poor 數據科學家 Vaibhav (VB) Srivastav 總結了 DeepSeek v3 與 v2 版本的差異： 

根據配置文件，v2 與 v3 的關鍵區別包括： 

vocab_size：v2: 102400 v3: 129280 

hidden_size：v2: 4096 v3: 7168

intermediate_size：v2: 11008 v3: 18432

隱藏層數量：v2：30 v3：61  

注意力頭數量：v2：32 v3：128  

最大位置嵌入：v2：2048 v3：4096

v3 看起來像是 v2 的放大版本。 

值得注意的是，在模型評分函數方面，v3 採用 sigmoid 函數，而 v2 採用的是 softmax 函數。 

網民熱評：開源模型逼近 SOTA

眾多紛紛網民表示，Claude 終於迎來了真正強勁的對手，甚至在一定程度上 DeepSeek-V3 可以取代 Claude 3.5。 

還有人感歎道，開源模型繼續以驚人的速度追趕 SOTA，沒有放緩的跡象。2025 年將成為 AI 最重要的一年。 

參考鏈接： 

https://aider.chat/docs/leaderboards/ 

https://www.reddit.com/r/LocalLLaMA/comments/1hm4959/benchmark_results_deepseek_v3_on_livebench/ 

本文來自微信公眾號「機器之心」，編輯：杜偉、小舟，36氪經授權發佈。