DeepSeek-V3–0324 新模型上线！搭配 Cursor、OpenRouter 重塑编码体验。

微信搜索关注《AI科技论谈》

近日，全新的DeepSeek-V3–0324模型发布了！此次 V3系列的更新，在推理能力和编码性能等方面相较于前代都有了明显提升。

本文教你如何借助 Cursor 和 OpenRouter，运用这一强大模型开展编码工作。

一、DeepSeek-V3–0324简介

DeepSeek-V3–0324是由DeepSeek开发的语言模型，在基准测试中的表现非常亮眼：

• MMLU-Pro测试：得分从75.9提升至81.2（提升了5.3）

• GPQA测试：得分从59.1提升至68.4（提升了9.3）

• AIME测试：得分从39.6提升至59.4（提升了19.8）

• LiveCodeBench测试：得分从39.2提升至49.2（提升了10.0 ）

这些进步让 DeepSeek-V3–0324 成为当下最强大的非推理型大语言模型之一。

在开发工具方面，Cursor 是一款由 AI 驱动的代码编辑器，能与语言模型无缝融合，优化了编码体验。基于 Visual Studio Code 进行开发的 Cursor，具备 AI 代码补全、内联代码生成以及智能代码优化等实用功能，是开发者提升工作效率的得力助手。

而 OpenRouter 提供了统一的 API，通过单一端点即可访问众多 AI 模型。它能自动管理备用模型，并挑选出性价比最高的选项，有效简化了开发者的集成流程。

二、OpenRouter 平台操作指南

1. 创建OpenRouter账户：访问OpenRouter网站，使用你的GitHub、谷歌账户注册，或者输入自定义凭证进行注册。

2. 获取DeepSeek-V3–0324模型：登录后，在“Search models（搜索模型）”区域浏览模型，或者点击“Browse（浏览）”按钮。如果该模型没有立即出现在“Trending（热门）”部分，你也可以通过这个链接直接访问：https://openrouter.ai/deepseek/deepseek-chat-v3-0324:free。

1. 生成新的API密钥：导航到“API”选项卡，选择“Create API Key（创建API密钥）”。

1. 你将被重定向到设置中的“API密钥”部分：点击“Create Key（创建密钥）”。

1. 提供“名称”，并设置“Credit limit（信用额度）”：由于此API目前是免费的，你可以将信用额度留空，或者为了谨慎起见设置一个象征性的金额，比如“1美元”。（不用担心，因为使用OpenRouter的免费模型时，无需添加信用卡信息 ）

1. 创建完成后，复制并妥善保管你的API密钥，因为之后无法再次查看该密钥。

三、Cursor 安装与配置步骤

1. 从官方网站（https://www.cursor.com/en/downloads）下载最新版本的Cursor并进行安装。

2. 成功安装后，打开Cursor并进入“Cursor设置”：

1. 在“模型”选项卡中，点击“+ Add Model（+添加模型）”，并输入：deepseek/deepseek-chat-v3–0324:free

现在，需要添加OpenRouter密钥。使用OpenAI API密钥选项。以下是具体步骤：

1. 启用“覆盖OpenAI基础URL”，并将其设置为：https://openrouter.ai/api/v1

2. 输入你的OpenRouter API密钥。

3. 确保“Turn On OpenAI Key（启用OpenAI密钥）”处于激活状态。

四、使用DeepSeek-V3–0324开始编码

在Cursor中打开聊天模式（按CMD + L组合键），然后选择你要使用的模型。

目前，Cursor在与该模型集成时支持“提问”或“编辑”模式。若想进一步了解Cursor的这些模式，请查阅其文档（https://docs.cursor.com/chat/overview）。

通过上述步骤，你就可以在Cursor中借助DeepSeek-V3–0324的强大能力来推进编码项目。

推荐书单

《深入浅出机器学习：从数据到AI算法》

《深入浅出机器学习：从数据到大模型》是一本旨在帮助读者系统学习机器学习的著作。本书通过深入浅出的方式，将复杂的机器学习理论和技术讲解得深入浅出。

本书从机器学习的基础开始，为读者提供了对数据处理、特征工程和模型评估等核心概念的全面介绍。读者将学习如何准备和清洗数据，如何选择和构建合适的特征，并学会使用各种评估指标来评估模型性能。

然后，本书深入探讨了常见的机器学习算法和技术。详细解释了线性回归、逻辑回归和神经网络等算法的原理和应用，通过丰富的示例和实践项目，掌握这些算法的实现和调优技巧。

本书聚焦于大规模模型和深度学习，介绍了深度学习的基本原理和常用的深度学习框架，如TensorFlow和PyTorch。读者将学习如何构建深度神经网络，如何进行模型训练和调优，并了解大规模机器学习系统的实现和部署。

5折购买链接：https://item.jd.com/14387333.html

精彩回顾

数据分析神器PandasAI，帮你高效处理10项常见任务

6款必知的AI Agent工作流，优缺点解析

QwQ-32B本地部署教程来了，全新开源推理大模型，性能比肩DeepSeek满血版

解读Deep Research：传统RAG已死，带你实现Agentic RAG

大模型应用开发平台Dify推出1.0版本，基于向量数据库Milvus实现RAG

从推理到编程，详细比较DeepSeek 32B、70B、R1实践性能