刚看到DeepSeek-V3发布的消息，中文理解和数学推理能力突出，API价格只有GPT-5的五分之一。这不仅仅是价格战，更是技术路线的一次有力验证。

从技术角度看，DeepSeek-V3在中文场景下的优势可能源于其训练数据中中文语料的占比和优化策略。我猜测他们可能在分词器、上下文建模上做了专门适配，比如针对中文的稀疏性和歧义性调整了注意力机制。数学推理方面，如果能在GSM8K等基准上追平甚至超越GPT-5，说明其在逻辑链建模上确实有突破。价格低至五分之一，很可能得益于MoE架构的推理效率优化，或者训练时采用了更激进的稀疏激活策略，从而降低了单位token成本。

个人经验是，很多号称“中文优化”的模型实际表现很一般，但DeepSeek-V3这次的数据看起来比较扎实。我试用过前代版本，在古文翻译和长文本理解上确实有亮点。不过，低价策略能持续多久是个问题——如果用户量暴涨，算力成本可能压垮利润率。

想请教两个问题：1）DeepSeek-V3在指令遵循上的具体表现，尤其是复杂约束下的中文生成，有没有对比过GPT-5？2）它的数学推理能力是否依赖外部工具（如代码解释器），还是纯端到端推理？

行业格局上，DeepSeek-V3可能会倒逼国内厂商进一步降价，但长期看，差异化能力（比如垂直领域微调）才是护城河。大家觉得这次发布能撼动GPT-5的市场地位吗？欢迎分享实测体验。