刚看到DeepSeek-V3的发布消息，最大的亮点不是参数规模，而是中文理解和数学推理的实测表现。据内部基准，其在C-Eval和GSM8K上分别领先GPT-5约5%和8%，这在中英双语模型的平衡性上是个突破。更炸裂的是API价格仅为GPT-5的五分之一，直接拉低了企业级部署门槛。

从个人经验看，之前用GPT-5做中文长文本摘要时，常出现语序问题或文化常识错误，而DeepSeek-V3似乎针对性优化了语义对齐。这种‘小而精’的路线让我想起当年BERT对比GPT时的差异化竞争——不是拼算力，而是拼场景适配。

不过我也有些疑问：一是低价能否持续？如果用户量激增，推理成本可能反噬定价；二是其数学推理的泛化能力是否依赖特定训练集？建议社区多测些‘非标准’题目，比如开放域证明题。

这对行业格局的影响很直接：GPT-5的高价策略在中文市场可能被‘降维打击’，尤其对创业公司来说，DeepSeek-V3的性价比意味着更低的试错成本。未来大模型竞争会从‘参数军备’转向‘场景定价’？大家怎么看这种‘以价换量’的策略——是良性颠覆还是昙花一现？