刚扒完DeepSeek-V3的技术报告和API文档，这波有点意思。先说核心：模型架构上用了MoE（混合专家）的变体，据称在中文C-Eval和数学GSM8K上刷到了接近闭源顶流的水平，关键是API定价直接打到GPT-5的1/5，每百万token才0.5元，这价格够狠。从个人实测经验看，中文长文本理解确实顺滑，尤其古诗词翻译和复杂逻辑推理，比某些开源模型少了很多‘AI味’。不过我得泼盆冷水：便宜归便宜，实际部署时MoE的显存占用和推理延迟问题依然存在，尤其高并发场景下，成本优势可能被硬件开销抵消。另外，API价格低是否意味着长期靠补贴？这得看深度求索的盈利模式。抛两个问题：1）有没人试过用DeepSeek-V3做RAG（检索增强生成）？中文知识库检索效果如何？2）对比Qwen2.5或Llama 3.1，它在多轮对话的上下文一致性上能打吗？行业来看，这波低价策略可能逼着其他厂商跟进，但技术壁垒还在，中小团队想复现同样效果并不容易。欢迎实测过的老铁来分享坑和亮点。