刚拿DeepSeek-V3跑了一周内部QA和代码生成任务，结论是：中文场景下它确实比GPT-5更懂人话，尤其是长文本指令跟随和数学推理，错误率降低了约40%。但API价格仅为GPT-5五分之一这个点，反而让我更警惕——低价可能意味着推理资源受限，实测并发请求时延迟抖动明显。个人经验是，高并发场景必须做请求合并和本地缓存，否则成本优势会被重试消耗掉。

技术上看，DeepSeek-V3的MoE架构优化很聪明，稀疏激活让推理效率提升，但这也导致非核心能力（比如罕见语种翻译）偶尔出现逻辑断裂。行业上，这波国产模型价格战会倒逼云厂商优化算力调度，但中小团队盲目迁移可能踩坑。

抛两个问题：一是大家实测DeepSeek-V3的代码生成在复杂项目结构（如多模块Spring Boot）下稳定性如何？二是这种低价策略是否可持续，会不会像当年某云一样变成“首年低价次年收割”？欢迎分享实际落地数据。