1. 引言

DeepSeek AI 作为人工智能领域的重要参与者，尤其在大型语言模型方面取得了显著进展。其于 2024 年 12 月首次发布的 DeepSeek V3 模型，以其高效性和卓越性能引起了业界的广泛关注 1。近期，DeepSeek AI 于 2025 年 3 月 24 日悄然发布了该模型的更新版本，标记为 DeepSeek V3-0324 1。本次更新并未伴随正式的新闻发布或公开声明，主要是通过在 Hugging Face 等开发者社区平台发布的形式进行 5。尽管发布方式低调，但社区内的初步反馈显示，此次更新带来了显著的性能提升 6。本报告旨在对原始 DeepSeek V3 模型与最新发布的 DeepSeek V3-0324 模型进行全面的对比分析，重点考察其在模型架构、训练数据、性能基准、功能、速度、准确性以及用户体验等方面的差异，从而为开发者和研究人员提供深入的理解和应用指导。

2. DeepSeek V3 原始版本概述 (2024 年 12 月发布)

• 模型架构： 原始 DeepSeek V3 模型采用了先进的混合专家 (Mixture-of-Experts, MoE) 架构，总参数规模达到 6710 亿 2。值得注意的是，该模型在进行推理时仅激活其中的 370 亿参数 2。这种设计策略是 MoE 架构的核心优势，能够在保证模型容量的同时，显著降低推理过程中的计算成本，使其在实际应用中更具效率 2。此外，原始 V3 版本还集成了多头潜在注意力 (Multi-head Latent Attention, MLA) 和 DeepSeekMoE 等创新架构，这些技术在之前的 DeepSeek V2 模型中已经得到了充分的验证 4。这些架构的选择旨在优化模型的训练效率和推理速度，为后续的性能提升奠定了基础。
• 训练数据与方法： DeepSeek V3 的原始版本是在一个包含 14.8 万亿高质量且多样化 tokens 的庞大数据集上进行训练的 3。如此庞大的训练规模是模型具备广泛知识和强大泛化能力的关键因素。为了进一步提升模型在特定领域的性能，原始 V3 版本的训练数据还特别优化了数学和编程样本的比例，并扩展了除英语和中文以外的多语种覆盖范围 10。训练过程的稳定性也值得称赞，据报告显示，整个训练过程没有出现不可恢复的损失尖峰或回滚现象 10。训练所需的计算资源也相当可观，大约消耗了 278.8 万 H800 GPU 小时，总成本约为 558 万美元 3。
• 初始性能特点： 原始 DeepSeek V3 模型被定位为一个通用模型，具备一定的数学问题解决能力和代码生成能力 8。其 MoE 架构带来的硬件效率是其显著的特点之一，在推理时仅激活部分参数，使其能够在相对较少的计算资源上运行 8。与 DeepSeek AI 旗下的推理优化模型 DeepSeek-R1 以及另一款推理模型 Qwen-32B 相比，原始 V3 在某些基准测试中表现稍逊一筹 8。这表明，尽管原始 V3 在通用任务上表现出色，但其设计并非专门针对复杂的逻辑推理任务。

3. DeepSeek V3-0324 更新版本简介 (2025 年 3 月发布)

• DeepSeek V3 的最新更新版本，正式标记为 "DeepSeek V3-0324"，于 2025 年 3 月 24 日发布 1。
• 与原始版本的发布不同，本次更新显得较为低调，DeepSeek AI 并没有发布正式的公告或新闻稿，主要是通过在 Hugging Face 模型库等平台发布模型权重的方式进行 5。据报道，DeepSeek 仅通过一个内部群组消息宣布了此次升级 7。
• 一些来源报告称，更新后的 DeepSeek V3-0324 模型的参数数量略有增加，达到 6850 亿，而原始版本为 6710 亿 1。虽然参数数量的增加幅度不大，但这可能对模型容量和性能的提升起到一定的作用，但更主要的性能提升可能来源于架构上的改进。
• 一个显著的变化是，DeepSeek V3-0324 采用了更为宽松的 MIT 开源许可证 7。这一举措极大地扩展了该模型的潜在应用范围，允许开发者在商业项目中无限制地使用和修改该模型，无疑将促进其在更广泛的领域内的应用和发展。这种开放的许可策略体现了 DeepSeek AI 对开源社区的积极姿态。

4. DeepSeek V3-0324 的架构与技术进步

• 引入多头潜在注意力 (MLA)： DeepSeek V3-0324 的一个关键架构改进是引入了多头潜在注意力 (MLA) 机制 4。这项技术曾在 DeepSeek V2 模型中得到验证 5。MLA 的主要优势在于能够显著提升模型的推理速度和训练效率 5。其原理是通过优化模型在处理输入序列时对不同部分信息的关注方式，从而减少计算开销，提高运行效率。
• 增强的 DeepSeekMoE 架构： 更新后的模型还采用了增强的 DeepSeekMoE 架构 5，该架构同样在 DeepSeek V2 中经过了验证 5。与 MLA 类似，增强的 DeepSeekMoE 架构也有助于加快推理速度并提高训练效率 5。这可能涉及到对混合专家网络中专家之间的协作和计算路由方式的优化，从而更有效地利用模型中的不同组件。
• 首创无辅助损失的负载均衡策略： DeepSeek V3-0324 在其 DeepSeekMoE 框架内首创了一种无辅助损失的负载均衡策略 5。该策略旨在确保计算任务在混合专家网络中的各个专家之间得到更均匀的分配 5。传统的 MoE 模型通常使用辅助损失函数来鼓励负载均衡，但这种方法有时会影响模型的主要任务性能。无辅助损失的策略则试图在不牺牲主要性能的前提下实现更优的负载均衡。
• 多 token 预测训练目标： DeepSeek V3-0324 采用了多 token 预测的训练目标 5。这种训练方法旨在提升模型在复杂任务（如代码生成和推理）上的性能 5。通过让模型一次预测多个后续 token，而不是传统的单 token 预测，可以帮助模型更好地学习长距离依赖关系，并生成更连贯和上下文相关的输出。
• 采用 FP8 张量类型： DeepSeek V3-0324 使用了 FP8（8 位浮点）张量类型 5。相比更高精度的浮点格式，FP8 能够显著降低模型的内存占用，使得在标准硬件配置上部署和运行该模型成为可能 5。这对于模型的普及和在资源受限环境中的应用具有重要意义。

5. 训练数据与效率对比

• 训练数据规模： 原始 DeepSeek V3 和更新后的 DeepSeek V3-0324 模型均在约 14.8 万亿 tokens 的庞大数据集上进行了训练 3。这表明，V3-0324 的性能提升主要来源于架构和训练方法的改进，而不是简单地增加了训练数据的规模。
• 训练数据组成： 原始 V3 版本的预训练语料库经过精心设计，增加了数学和编程样本的比例，并扩展了英语和中文以外的多语种覆盖范围 10。这种数据构成可能为原始模型在这些技术领域的表现奠定了基础。
• 训练效率指标： 原始 DeepSeek V3 的训练成本约为 558 万美元，使用了约 2000 块 Nvidia H800 GPU，耗时约 55 天，总计约 278.8 万 H800 GPU 小时 3。虽然关于 DeepSeek V3-0324 的具体训练指标尚未公开，但其架构上的改进（如 MLA 和增强的 DeepSeekMoE）暗示了其训练效率可能有所提升 5。鉴于本次更新更像是对现有模型的迭代优化，而非从头开始的重新训练，可以推测其资源消耗可能与原始版本相当或更低。

6. 性能基准的比较分析

• 整体性能提升： 普遍认为 DeepSeek V3-0324 是对其前身的一次重大升级，其性能提升超出了许多人的预期 5。用户反馈和初步测试表明，新版本在整体能力上实现了显著的飞跃 6。
• 代码生成能力： DeepSeek V3-0324 在代码生成方面展现出比原始 V3 更强的能力 1。尤其在前端和用户界面 (UI) 开发方面表现突出，能够生成更清晰、更高效、更符合生产要求的代码，并且在处理复杂的UI逻辑方面明显优于原始版本 6。在 Aider 的多语言编程基准测试中，V3-0324 取得了 55% 的得分，相比之前的版本有了显著的提高 4。一项基准测试显示，V3-0324 在生成 Python 和 Bash 代码方面的得分约为 60%，比原始版本高出几个百分点 8。据报告，V3-0324 在代码生成方面甚至超越了 Claude 3.5 Sonnet 等竞争对手 6。
• 推理能力： DeepSeek V3-0324 具备更强的思维链 (Chain of Thought, CoT) 推理能力，能够为调试、数学证明和结构化决策等任务提供逐步的分解过程，这相比原始 V3 更为直接但缺乏解释的响应是一个显著的进步 6。在逻辑推理和准确性方面，V3-0324 也优于 Claude 3.5 Sonnet 等竞争对手 6。尽管并非像 DeepSeek R1 那样专门的推理模型，但 V3-0324 在复杂推理任务上的表现有所提升，甚至能够解决一些以前只有推理模型才能处理的提示 1。这可能得益于从 DeepSeek R1 等模型中进行的知识蒸馏 4。目前，V3-0324 被认为是最佳的非推理模型之一，甚至在某些指标上超越了 Claude 3.5 Sonnet 4。
• 数学能力： DeepSeek V3-0324 在数学能力方面也取得了显著的进步 4。在一项具有挑战性的 MATH-500 基准测试中，该模型取得了高达 94.3% 的准确率 12。
• 与其他模型的比较： DeepSeek V3-0324 在某些任务中表现优于开源竞争对手，并能与 Claude 3.7 Sonnet 等领先的闭源模型相媲美，尤其是在编码相关任务方面 5。相比之下，原始 V3 在某些基准测试中落后于 DeepSeek-R1 和 Qwen-32B 8。然而，原始 DeepSeek-V3 本身也展现出了强大的性能，在关键基准测试中优于 Llama 3.1 405B 和 GPT-4o 11。

表 1：性能比较亮点

指标/基准测试	原始 DeepSeek V3	DeepSeek V3-0324	变化
前端编码	在动态 UI 开发方面有困难	擅长，生成更清晰、高效的代码	显著提升
复杂前端逻辑	在基本脚本编写方面表现良好	处理能力显著提升	显著提升
推理 (CoT)	更直接，在多步推理方面较弱	增强，能够提供逐步分解	提升
Aider Polyglot 基准测试	得分较低（暗示）	55%	显著提升
Python/Bash 编码	得分低于 60%（暗示）	~60%	提升
非推理模型排名	落后于 Claude 3.5 Sonnet（暗示）	最佳，超越 Claude 3.5 Sonnet	显著提升
冗余度	token 效率高，响应简短直接	冗余度增加 31.8%，提供更详细的解释	增加
每项基准测试的成本	$0.34 (示例)	$1.12 (示例)	增加
MATH-500 基准测试	提供的数据中未明确提及	94.3% 准确率	显著提升
AlpacaEval 2.0	提供的数据中未明确提及	85.5% 胜率（Claude Sonnet 3.5 为 85.2%）	比 Claude Sonnet 略有提升

7. 功能、速度和准确性的改进

• 功能性增强： DeepSeek V3-0324 提供了增强的多轮交互式重写功能 16，优化了翻译质量和信函写作能力 16，提升了中文写作水平，使其风格和内容质量更接近 R1 模型，在中长篇文章写作方面表现更佳 16。此外，该模型还改进了中文搜索能力，能够为报告分析请求提供更详细的输出 16，并提高了函数调用的准确性，修复了原始 V3 版本中存在的问题 16。
• 速度与效率： 原始 DeepSeek V3 据报道达到了每秒 60 个 token 的推理速度 4。DeepSeek V3-0324 也被描述为速度更快 4。一位用户报告称，在配备四位量化的 Mac Studio 上，该模型实现了约每秒 20 个 token 的生成速度 8。值得一提的是，该模型甚至可以在消费级 PC 上运行 7。
• 准确性提升： 正如第六节中讨论的性能基准测试结果所反映的那样，DeepSeek V3-0324 在编码、推理和数学等多个任务上的准确性都得到了显著提升。这表明，本次更新的主要目标之一就是提高模型的整体性能和可靠性。

8. 用户体验与反馈

• 社区的初步反应： AI 社区对 DeepSeek V3-0324 的初步反应非常积极，许多用户在 Reddit 和社交媒体上表达了兴奋之情，并称赞其为一款令人印象深刻的模型 6。一些用户甚至注意到它在代码和 SVG 生成等方面的能力与 Claude 相似 20。
• 语气和个性变化： 一些用户观察到，新版本相比原始 V3 显得更加“机械化”和“学术化”，而原始 V3 则被认为更具人性和对话感 1。这可能反映了模型训练或微调过程中的侧重点有所变化，更加注重准确性和技术能力，而非对话的亲和力。
• 编码体验： 用户报告称，V3-0324 在前端和 UI 相关的编码任务中表现出色 15。一位用户甚至使用新模型一次性构建了一个完整的网站，突显了其强大的编码能力 4。
• 推理体验： 用户反馈表明，V3-0324 能够有效处理复杂的推理任务，并提供更详细的、类似思维链的响应 1。
• 一般反馈与担忧： 一些用户提到 DeepSeek 模型普遍存在的问题，例如官方应用程序偶尔出现的服务器过载问题 21，关于数据隐私和潜在偏见的担忧 2，以及关于模型产生幻觉和对齐问题的报告 23。当然，也有用户对 DeepSeek-V3 的强大和灵活性给予了积极评价 24。

9. 在特定任务和应用场景中的性能

• 编码应用： V3-0324 特别适合高级编码项目，尤其是在使用 React 和 Angular 等现代框架进行前端开发以及处理复杂的 JavaScript 任务时 6。相比之下，原始 V3 可能更适合基本的脚本编写和轻量级的后端任务 6。
• 推理和问题解决应用： V3-0324 更适合需要详细解释的应用场景，例如技术支持和辅导，以及研究、数据分析和涉及结构化推理的任务 6。原始 V3 可能更适合简单的任务，例如快速的事实查询和生成摘要 6。
• 写作和内容生成： 虽然 V3-0324 在中文写作方面有所改进 16，但其在一般写作任务中是否优于原始 V3 尚不完全明确，不过报告显示其输出更长且更详细 14。
• 自动化和效率： 由于原始 V3 的 token 效率更高，它可能更适合高容量、低成本的自动化场景，例如客户服务聊天机器人 6。
• 多语种应用： V3-0324 具有更强的多语种支持能力，能够更流利地处理超过 140 种语言 12，这使其在需要处理多种语言的应用中更具优势。
• 教育和企业应用： DeepSeek V3（很可能是指更新后的版本）被认为适用于教育工具、编码平台以及企业环境中的复杂数据分析任务 25。

10. 成本与效率考量

• 冗余度增加对 token 成本的影响： DeepSeek V3-0324 的响应通常比原始 V3 更冗长，大约多生成 31.8% 的 token 6。这意味着，虽然 V3-0324 提供了更详细和解释性的答案，但用户需要注意更高的 token 消耗可能会导致更高的使用成本，尤其是在大规模部署的情况下。
• 每项任务成本的比较： 一份报告显示，对于某些类型的任务，V3-0324 的每项基准测试成本（1.12 美元）高于原始 V3（0.34 美元）6。这表明，V3-0324 的性能提升是以更高的任务成本为代价的，这对于高价值的应用可能是合理的，但在对成本敏感的应用中可能需要权衡。
• 整体计算效率： 原始 DeepSeek V3 和更新后的 V3-0324 都非常注重计算效率，它们都利用 MoE 架构来管理其庞大参数规模带来的计算需求 2。V3-0324 中 FP8 张量的使用进一步降低了内存占用，并可能降低了计算成本 5。V3-0324 能够在经过量化后在消费级硬件上运行，这进一步证明了其效率 7。

11. 结论与建议

DeepSeek V3-0324 相比原始 V3 在架构上进行了改进（引入 MLA，增强了 DeepSeekMoE），参数数量略有增加，并采用了更宽松的 MIT 许可证。在性能方面，V3-0324 在编码、推理和数学等多个基准测试中都取得了显著的提升，目前被认为是领先的非推理模型之一。其功能也得到了扩展，包括写作、翻译和函数调用等方面。用户反馈普遍积极，尤其是在编码和推理体验方面。然而，V3-0324 的响应更加冗长，导致 token 成本更高。

基于以上分析，提出以下建议：

• 对于那些优先考虑在高级编码、复杂推理和数学问题解决方面获得最佳性能，并且能够接受更高运营成本的用户，强烈推荐使用 DeepSeek V3-0324。
• 对于那些更注重成本效益和简洁性，例如高容量自动化任务或快速信息检索的应用场景，原始 DeepSeek V3 由于其较低的 token 使用量可能仍然是一个合适的选择。
• 开发者如果希望在商业应用和模型修改方面拥有最大的灵活性，应优先考虑使用具有 MIT 许可证的 DeepSeek V3-0324。
• 建议在特定的、更细致的应用场景中进行更深入的评估和基准测试，以充分了解每个模型版本的细微差别和最佳应用方式。

总而言之，DeepSeek V3-0324 的发布标志着开源大型语言模型领域又向前迈出了重要一步。其卓越的性能、开源特性和宽松的许可协议使其有望在快速发展的人工智能领域发挥重要作用，并可能对闭源替代方案构成挑战，从而进一步推动 AI 社区的创新。