國產開源MoE指標炸裂：GPT-4級別能力，API價格僅百分之一
最新國產開源MoE大模型，剛剛亮相就火了。
DeepSeek-V2性能達GPT-4級別，但開源、可免費商用、API價格僅為GPT-4-Turbo的百分之一。
因此一經發(fā)布，立馬引發(fā)不小討論。
從公布的性能指標來看，DeepSeek-V2的中文綜合能力超越一眾開源模型，并和GPT-4-Turbo、文心4.0等閉源模型同處第一梯隊。
英文綜合能力也和LLaMA3-70B同處第一梯隊，并且超過了同是MoE的Mixtral 8x22B。
在知識、數學、推理、編程等方面也表現出不錯性能。并支持128K上下文。
這些能力，普通用戶都能直接免費使用?，F在內測已開啟，注冊后立馬就能體驗。
API更是是骨折價：每百萬tokens輸入1元、輸出2元（32K上下文）。價格僅為GPT-4-Turbo的近百分之一。
同時在模型架構也進行創(chuàng)新，采用了自研的MLA（Multi-head Latent Attention）和Sparse結構，可大幅減少模型計算量、推理顯存。
網友感嘆：DeepSeek總是給人帶來驚喜！
具體效果如何，我們已搶先體驗！
實測一下
目前V2內測版可以體驗通用對話和代碼助手。
在通用對話中可以測試大模型的邏輯、知識、生成、數學等能力。
比如可以要求它模仿《甄嬛傳》的文風寫口紅種草文案。
還可以通俗解釋什么是量子糾纏。
數學方面，能回答高數微積分問題，比如：
使用微積分證明自然對數的底e 的無窮級數表示。
也能規(guī)避掉一些語言邏輯陷阱。
測試顯示，DeepSeek-V2的知識內容更新到2023年。
代碼方面，內測頁面顯示是使用DeepSeek-Coder-33B回答問題。
在生成較簡單代碼上，實測幾次都沒有出錯。
也能針對給出的代碼做出解釋和分析。
不過測試中也有回答錯誤的情況。
如下邏輯題目，DeepSeek-V2在計算過程中，錯誤將一支蠟燭從兩端同時點燃、燃燒完的時間，計算成了從一端點燃燒完的四分之一。
帶來哪些升級？
據官方介紹，DeepSeek-V2以236B總參數、21B激活，大致達到70B~110B Dense的模型能力。
和此前的DeepSeek 67B相比，它的性能更強，同時訓練成本更低，可節(jié)省42.5%訓練成本，減少93.3%的KV緩存，最大吞吐量提高到5.76倍。
官方表示這意味著DeepSeek-V2消耗的顯存（KV Cache）只有同級別Dense模型的1/5~1/100，每token成本大幅降低。
專門針對H800規(guī)格做了大量通訊優(yōu)化，實際部署在8卡H800機器上，輸入吞吐量超過每秒10萬tokens，輸出超過每秒5萬tokens。
在一些基礎Benchmark上，DeepSeek-V2基礎模型表現如下：
DeepSeek-V2 采用了創(chuàng)新的架構。
提出MLA（Multi-head Latent Attention）架構，大幅減少計算量和推理顯存。
同時自研了Sparse結構，使其計算量進一步降低。
有人就表示，這些升級對于數據中心大型計算可能非常有幫助。
而且在API定價上，DeepSeek-V2幾乎低于市面上所有明星大模型。
團隊表示，DeepSeek-V2模型和論文也將完全開源。模型權重、技術報告都給出。
現在登錄DeepSeek API開放平臺，注冊即贈送1000萬輸入/500萬輸出Tokens。普通試玩則完全免費。
感興趣的童鞋，可以來薅羊毛了~
體驗地址：??https://chat.deepseek.com???
API平臺：
platform.deepseek.com
GitHub：???https://github.com/deepseek-ai/DeepSeek-V2?tab=readme-ov-file??
本文轉自 量子位 ，作者：量子位
