【大模型】Deepseek V3-0324

2025年3月24号，也就是周一，Deepseek突然发布他们 DeepSeek V3 的新版本模型 DeepSeek-V3-0324。目前还有技术报告只有一个news和模型，不过从效果上来看也是很炸裂的，对标都是最新的闭源模型的前排选手。主要改进点有：推理性能大幅提升，更强的前端开发技能，以及更智能的工具使用能力。我们一起来看看吧。

浪啦里格朗

624人浏览 · 2025-03-26 12:21:56

浪啦里格朗 · 2025-03-26 12:21:56 发布

Deepseek V3 0324

论文：无
模型：
- https://huggingface.co/deepseek-ai/DeepSeek-V3-0324 （huggingface）
- https://modelscope.cn/models/deepseek-ai/DeepSeek-V3-0324 （modelscope）
- https://modelscope.cn/models/mlx-community/DeepSeek-V3-0324-4bit （苹果芯片 4bit 版）
- https://huggingface.co/unsloth/DeepSeek-V3-0324-GGUF （unsloth 不同量化精度）
官网： https://chat.deepseek.com/
news： https://api-docs.deepseek.com/news/news250325

文章目录

Deepseek V3 0324
@[toc]
一、模型对比
1.综合对比
1.1 模型表现（纵轴及图例）

2.编程能力对比
2.1 模型表现分析

二、榜单性能对比
三、效果展示
1.小球在旋转六边形内运动
1.1 代码部分
1.2 主要改进内容

四、体验
引用

一、模型对比

1.综合对比

"模型对比"

上图中，不同模型（DeepSeek-V3、DeepSeek-V3-0324、Qwen-Max、GPT-4.5、Claude-Sonnet-3.7）在多个评测任务中的准确率（Accuracy/Percentile）表现，横轴为具体评测任务，纵轴为准确率百分比。

MMLU-Pro：衡量模型在 多领域知识理解 任务中的精确匹配能力。
GPQA Diamond：评估模型在 专业问答 任务中一次生成正确答案的能力。
MATH-500：测试模型解决 数学问题 的能力，关注一次生成正确解的概率。
AIME 2024：针对 AIME数学竞赛 题目，考察模型解题准确率。
LiveCodeBench：评估模型在 编程编码 任务中一次生成可用代码的能力。

1.1 模型表现（纵轴及图例）

DeepSeek-V3-0324（蓝斜线）：重点关注对象，在多个任务中表现突出。例如：
- MATH-500 任务中准确率达 94.0%，显著领先其他模型；
- MMLU-Pro 任务中准确率 81.2%，高于多数对比模型。
其他模型：如 GPT-4.5 在 MMLU-Pro 中达 86.1%，但在 MATH-500 中落后于 DeepSeek-V3-0324。

图表直观呈现了 DeepSeek-V3-0324 在数学（MATH-500、AIME 2024）、知识理解（MMLU-Pro）等任务中的领先性能，体现其在复杂任务处理上的优势，同时对比展示了其他模型的表现差异。

2.编程能力对比

'kcores-llm-arena'

图表的对应代码仓库为 github.com/KCORES/kcores-llm-arena。

上图表展示了不同大语言模型（LLM）在 KCORES LLM Arena 真实世界编码基准测试中的表现，具体解读如下：

横轴：不同大语言模型名称，如 DeepSeek-V3-0324、Claude-3.7-Sonnet、GPT-4.0、Groq-3 等。
纵轴：归一化分数（Normalized Score），范围 0–400，分数越高代表模型在编码任务中表现越好。
颜色分区：每个模型柱由 4 种颜色叠加，代表不同编码任务：
- solar-system（浅紫色）：可能涉及太阳系天体运动模拟、轨道计算等编程任务，考验模型对物理规律建模、代码逻辑实现的能力。
- mars-mission（紫色）：聚焦火星任务相关编程，如火星车路径规划、通信协议实现、太空任务逻辑编码等。
- mandelbrot-set-meet-libai（深紫色）：围绕分形图形（曼德博集合）的绘制，需实现复杂算法、图形渲染代码，测试模型对数学算法与图形编程的处理能力。
- ball-bouncing-inside-spinning-heptagon（最深紫色）：涉及小球在旋转七边形内的反弹动画，包含物理模拟（碰撞、运动轨迹）、图形交互等编码任务，考验模型对动态效果和物理规则的代码实现能力。

2.1 模型表现分析

DeepSeek-V3-0324：总分数 338.8，在所有模型中排名靠前，显示其在多项真实编码任务中综合性能突出。
其他模型对比：
- Claude-3.7-Sonnet-Thinking 以 334.8 紧随其后；
- 部分模型如 OpenAI-01-mini 分数仅 66.8，表现较弱；
- 主流模型（如 GPT-4.0、Groq-3 等）分数分布在 200–300 区间，低于 DeepSeek-V3-0324。

DeepSeek-V3-0324 在真实世界编码场景中展现出较强的综合性能，优于多数对比模型，验证了其在编程任务上的优势。

二、榜单性能对比

'cost_1'

上图是来自 "Artificial Analysis"数据，用于对比不同大语言模型在代码编辑任务中的智力、速度及成本。DeepSeek V3 (0324) 在智力和价格上都可以排到第四，速度上稍差排第九。

'cost_2'

值得注意的的是，DeepSeek V3 (0324) 在非推理类的大模型中排第一。

三、效果展示

1.小球在旋转六边形内运动

"效果展示"

该动图展示了一个基于 HTML/JavaScript 的编程项目，主要实现“小球在旋转六边形内运动”的效果，同时包含代码编辑界面、运行演示及功能改进说明，具体内容如下：

1.1 代码部分

动图上半部分显示 HTML 代码，核心是用 JavaScript 实现小球运动逻辑。代码包含：
- 绘制小球、处理碰撞的物理效果（如颜色混合、轨迹线条）；
- 监听窗口缩放事件（windowResized 函数），适配画布尺寸；
- 鼠标点击添加新小球的交互逻辑（mousePressed 函数）。

右侧“运行 HTML”区域展示程序实际效果：小球在六边形区域内运动，碰撞时触发物理效果（如速度变化），并带有火花特效，用户还可通过鼠标点击添加更多小球。