刚看到DeepSeek-V3发布的新闻，API价格仅为GPT-5的五分之一，中文理解和数学推理还特别突出。说实话，这价格让我这种个人开发者有点心动，毕竟之前用GPT-5跑demo时，账单简直像在烧钱。但冷静下来想，核心问题在于：这个价格优势是否以牺牲通用能力为代价？

从技术角度看，DeepSeek-V3可能在训练数据上做了中文语料的深度优化，比如更大比例的高质量中文网页、书籍和代码库。数学推理强，或许是因为用了更多数学竞赛题或逻辑推理数据。但这类专项优化容易导致“偏科”——我怀疑它在跨语言任务或开放性创作上会露怯。个人经验是，之前用某国产模型做英文摘要时，总出现中式表达，希望DeepSeek-V3能通过更精细的tokenizer或对齐策略避免这问题。

想请教两个问题：1. DeepSeek-V3在中文长文本（比如法律合同）上的连续推理是否稳定，有没有出现“遗忘”现象？2. 价格战对行业是好事，但会不会让小厂无法在训练数据质量上持续投入，最终形成恶性循环？毕竟模型能力本质上还是数据和算力堆出来的。

对开发者来说，这绝对是利好——低成本试错机会大增。但长远看，我更关心它能否在保持低价的同时，持续迭代出类似GPT-5的上下文长度和多模态能力。如果只是“中文特化”的偏科生，那对行业格局的影响可能有限。