目录

• 前言
• 一、项目概述
• 二、技术特点
• 三、性能评测
• 四、应用场景
• 五、在线使用和API服务
• 六、本地部署推理
• • 1、安装依赖
  • 2、启动服务
  • 3、调用示例
• 结语

---

前言

在人工智能领域，大语言模型的发展日新月异。近日，幻方量化旗下的深度求索（DeepSeek）公司推出的DeepSeek-V3模型引起了广泛关注。该模型以其强大的性能、高效的训练和出色的多语言处理能力，为自然语言处理领域带来了新的突破。本文将对DeepSeek-V3进行全面的介绍和分析，帮助读者深入了解这一先进的AI模型。

一、项目概述

DeepSeek-V3是一款自研的混合专家（MoE）模型，拥有高达6710亿参数，其中激活参数为370亿，在14.8万亿token上进行了预训练。它采用了先进的架构和训练方法，通过精细划分问题空间来优化处理能力，在多项任务中表现出色。与前代模型相比，DeepSeek-V3在性能和效率上都有了显著提升，尤其在知识获取、长文本处理、代码生成、数学计算以及中文理解方面取得了优异的成绩。

二、技术特点

• 强大的混合专家架构：采用MoE架构，能够根据不同的任务和输入自动选择最合适的专家模型进行处理，从而在处理复杂任务时显著提高效率和精度，同时降低了模型的计算量和存储需求。
• 大规模预训练与知识储备：在14.8万亿token上进行预训练，使其拥有丰富的知识储备，能够更好地理解和处理各种自然语言文本，为准确回答问题和生成高质量内容提供了坚实的基础。
• 高效的训练优化：支持FP8混合精度训练，提高训练速度的同时减少了GPU内存使用；设计DualPipe算法，实现高效的流水线并行处理；优化跨节点AI-IL通信，充分利用Infiniband和NVLink带宽，大大降低了训练成本。
• 出色的多语言处理能力：支持多达20种语言的实时翻译和语音识别，在多语言编程能力上也取得了重大突破，在Aider多语言编程测评中的表现超越了Claude 3.5 Sonnet v2等竞争对手，适用于跨国企业、翻译机构等多种场景。
• 卓越的代码生成与理解能力：可以根据用户的需求和描述，快速生成高质量的代码片段，涵盖多种编程语言，并且能够理解代码的逻辑和功能，进行代码审查、优化和调试等工作，为开发者提供了强大的编程辅助工具。

三、性能评测

• 与开源模型对比：在一系列严格的基准测试中，DeepSeek-V3 展现出了强大的竞争力，其成绩显著超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他知名开源模型。在语言理解、文本生成、知识问答等多个任务领域，DeepSeek-V3 都表现出了更优的性能和更强的泛化能力，能够更好地适应不同场景和任务的需求，为用户提供更准确、更有用的结果。

• 与闭源模型对比：与世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 相比，DeepSeek-V3 在性能上毫不逊色，展现出了与它们不分伯仲的实力。尤其在数学能力方面，DeepSeek-V3 更是大放异彩，大幅超过了所有开源闭源模型。在美国数学竞赛和全国高中数学联赛题库等具有挑战性的测试中，DeepSeek-V3 凭借其卓越的数学推理和计算能力，取得了令人瞩目的成绩，展现出了在数学领域的深厚造诣和强大优势。
  

• 生成速度提升：DeepSeek-V3 在生成速度方面实现了重大突破，其生成吐字速度从 20tps 大幅提高至 60tps，相比 v2.5 模型实现了 3 倍的显著提升。这一速度的提升使得模型在实时交互应用中能够更加迅速地响应用户的请求，为用户带来更加流畅、自然的使用体验，满足了大多数实时应用对快速响应的严格要求，如在线客服、实时翻译等场景。

• 训练效率提高：在训练效率方面，DeepSeek-V3 同样表现出色，其训练成本大幅降低，仅为 2.788m H800GPU 小时，总成本为 5.576m 美元。与其他大规模模型相比，这一训练成本的显著减少无疑是一大亮点，使得更多的研究机构和企业能够在有限的资源条件下进行模型的训练和优化，降低了人工智能技术的应用门槛，为推动自然语言处理技术的广泛应用和发展提供了有力支持。

四、应用场景

• 聊天和编码场景：为开发者设计，能够理解和生成代码，提高编程效率，可用于辅助程序员编写代码、代码审查、算法设计等工作，还能在聊天中提供准确有用的信息和建议。
• 多语言自动翻译：支持多达20种语言的实时翻译和语音识别，适用于跨国企业、翻译机构、旅游行业等需要处理多种语言内容的场景，帮助用户快速准确地进行语言转换和沟通。
• 教育领域：在数学题解答中表现出色，可用于辅助学生学习数学、编程等知识，提供个性化的学习辅导和解答疑问，也可以帮助教师生成教学材料、设计课程等。
• 创意产业：如AI写作、AI绘画等领域，可根据用户的创意和描述生成高质量的文本和图像内容，为创作者提供灵感和素材，提高创作效率和质量。

五、在线使用和API服务

• 使用web服务：用户可以直接访问chat.deepseek.com进行在线体验和使用，无需进行本地部署和安装，方便快捷。在web界面上，用户可以直接输入文本进行交互，获取模型的回答和建议。

• 使用API：DeepSeek提供了API服务（platform.deepseek.com），用户需要按照官方文档进行注册和申请密钥。获取密钥后，可以通过HTTP请求或SDK进行调用。在调用时，需要按照API的规范传入相应的参数，如输入文本、请求类型等，即可获取模型的输出结果。

六、本地部署推理

1、安装依赖

在进行本地部署推理时，首先需要安装所需的依赖库。上述命令通过指定特定的链接，使用 pip 工具安装了包括 sglang 在内的所有相关依赖，确保了后续服务的正常运行。

pip install "sglang[all]" --find-links https://flashinfer.ai/whl/cu124/torch2.4/flashinfer

2、启动服务

python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-V3 --enable-dp-attention --tp 8 --trust-remote-code

在安装好依赖后，通过运行上述命令启动服务。其中，指定了模型为 deepseek-ai/DeepSeek-V3，并启用了 dp-attention，设置了 tp 为 8 以及信任远程代码等参数，使得模型能够在本地环境中顺利运行，为后续的调用和使用做好准备。

3、调用示例

import openai
client = openai.Client(
    base_url="http://127.0.0.1:30000/v1", api_key="EMPTY")

# Chat completion
response = client.chat.completions.create(
    model="default",
    messages=[
        {"role": "system", "content": "You are a helpful AI assistant"},
        {"role": "user", "content": "List 3 countries and their capitals."},
    ],
    temperature=0,
    max_tokens=64,
)
print(response)

关于AI大模型技术储备

学好 AI大模型 不论是就业还是在工作技能提升上都不错，但要学会 AI大模型 还是要有一个学习规划。最后大家分享一份全套的 AI大模型 学习资料，给那些想学习 AI大模型 的小伙伴们一点帮助！

感兴趣的小伙伴，赠送全套AI大模型学习资料和安装工具，包含Agent行业报告、精品AI大模型学习书籍手册、视频教程、最新实战学习等录播视频，具体看下方。

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

这份完整版的学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】