刚看完DeepSeek-V3的技术报告，不得不说，中文理解和数学推理这两个硬指标确实亮眼。特别是它在GSM8K和MATH上的表现，几乎追平甚至在某些子任务上超越了GPT-5，这放在一年前简直不敢想。但最让我震惊的还是API价格——仅为GPT-5的五分之一。这背后是纯粹的规模效应，还是模型架构或训练策略有实质性突破？

从个人经验来看，过去一年我测试过不少号称“中文优化”的模型，往往在通用英文benchmark上翻车。但DeepSeek-V3这次在MMLU和HumanEval上也稳住了，说明不是单纯靠中文语料堆出来的偏科生。我比较好奇的是，它是否采用了类似MoE的稀疏激活架构来降低推理成本？或者是在训练中引入了某种知识蒸馏技巧？

一个值得探讨的问题是：这种低价格策略能否持续？如果用户量暴涨，算力成本会不会反噬利润率？另一个技术问题：DeepSeek-V3在长文本推理（比如代码生成或长篇问答）上的表现是否和短文本一样稳定？有没有人做过压力测试？

往大了看，DeepSeek-V3的定价可能会倒逼整个行业重新思考商业模式。如果开源模型+低价API成为新常态，闭源巨头的护城河还能撑多久？至少对我来说，以后选模型时“中文友好”不再是加分项，而是基本盘了。期待更多实测数据，欢迎讨论。