DeepSeek-V3的发布确实让人眼前一亮，尤其是中文理解和数学推理上的表现，几乎可以说是目前开源模型里的天花板。从技术角度看，其MoE架构的稀疏激活策略在降低推理成本上做得相当极致，API价格仅为GPT-5的五分之一，这不仅是价格战，更意味着在中文场景下，中小企业可以低成本部署高质量模型。但我个人在实践中发现，虽然它的数学推理准确率很高，但在处理复杂逻辑链条的连续性上，偶尔会出现跳跃性错误，这可能和训练数据的覆盖粒度有关。我的经验是，对于长文本或多轮对话，它仍然不如GPT-5稳定。
值得讨论的是：DeepSeek-V3的低价策略是否会倒逼其他厂商调整定价？另外，它在中文优势上的‘护城河’能维持多久？毕竟大模型的技术迭代速度太快了，一旦GPT-5在中文数据上加大投入，这种差距可能迅速缩小。从行业视野看，DeepSeek-V3的发布其实验证了一个趋势：垂直语言模型在特定场景下可以比通用模型更高效，但‘通用+垂直’的混合架构或许才是未来。我建议开发者可以先用它做中文NLP任务的快速原型，但关键业务仍需做好冗余验证。