刚跑完DeepSeek-V3的评测，中文理解确实惊艳，尤其是在多轮对话和长文本摘要上，感觉比GPT-5更懂中文语境里的潜台词。数学推理部分，我拿了几道竞赛题试了下，解题步骤逻辑清晰，虽然偶尔有跳步，但整体准确率已经接近一线水平。核心突破在于MoE架构的稀疏激活优化，把推理延迟压到了200ms以内，同时参数量控制得不错，这解释了为什么API定价能低到GPT-5的五分之一——成本结构有本质差异。

个人经验是，之前用GPT-5做中文客服问答，总得额外调prompt处理口语化表达，但DeepSeek-V3几乎零适配就能直接上线。不过，它在代码生成上明显偏弱，尤其Python高级库的调用习惯和GPT-5有差距，这可能是训练数据侧重造成的。

我的疑问是：这种低价策略能持续吗？目前看是牺牲了部分英文和代码能力换来的成本优势，但长期会不会变成‘中文特化模型’的定位？另外，开源计划一直没明确，社区想复现MoE细节，深度求索敢不敢放权重？

对行业来说，DeepSeek-V3证明了两件事：一是中文NLP的自主技术路线完全可行，二是价格战在AI API市场已经开始。GPT-5如果不降价，中小开发者会加速迁移。但我觉得，真正的好戏还在后头——当模型能力接近时，生态建设和数据飞轮才是护城河。大家实测过中文长文档处理了吗？欢迎分享你们遇到的坑。