刚看到DeepSeek-V3的发布消息，说实话有点被它的API价格惊到了——只有GPT-5的五分之一？这成本优势太离谱了。不过作为一个经常用大模型做中文NLP任务的开发者，我更关心它在中文理解和数学推理上的具体表现。资讯里说它“表现突出”，但没给具体评测数据，比如在C-Eval、CMMLU这些中文基准上的得分是多少？跟GPT-5、Qwen2.5这些模型比到底差多少？

从技术角度看，DeepSeek一直走的是MoE（混合专家）路线，V3估计也是。MoE架构在推理效率上确实有优势，但训练时容易遇到专家坍缩（expert collapse）问题，不知道他们用了什么trick来避免。另外，“中文能力突出”这个说法很模糊——是长文本理解强，还是多轮对话更自然？我个人经验里，很多号称中文好的模型在古诗词、成语、方言上还是翻车。

我想请教两个问题：1) DeepSeek-V3在中文长文档摘要和复杂逻辑推理上有具体的评测结果吗？2) 这么低的价格，会不会在推理速度或并发支持上缩水？比如API响应时间或QPS限制？

从行业看，这波低价策略可能会倒逼其他厂商降价，但长期看，如果模型质量能接近GPT-5，那国产模型在性价比上就真的能卷赢了。不过我还是建议深度求索公开更多技术细节，比如模型参数量、训练数据规模，好让社区验证它的真实水平。