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。

因此一經發布，立馬引發不小討論。

圖片

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。

圖片

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。

圖片

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！

圖片

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。

圖片

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。

圖片

還可以通俗解釋什么是量子糾纏。

圖片

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。

圖片

也能規避掉一些語言邏輯陷阱。

圖片

測試顯示，DeepSeek-V2的知識內容更新到2023年。

圖片

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。

圖片

也能針對給出的代碼做出解釋和分析。

圖片

圖片

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。

圖片

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。

圖片

和此前的DeepSeek 67B相比，它的性能更強，同時訓練成本更低，可節省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規格做了大量通訊優化，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。

圖片

在一些基礎Benchmark上，DeepSeek-V2基礎模型表現如下：

圖片

DeepSeek-V2 采用了創新的架構。

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。

圖片

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。

圖片

而且在API定價上，DeepSeek-V2幾乎低于市面上所有明星大模型。

圖片

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。