刚读完DeepSeek-V3的技术报告，最让我震惊的不是它在MMLU中文上的91.6%得分，而是API定价策略——每百万token仅0.5元，直接拉到GPT-5的五分之一。从技术角度看，DeepSeek-V3在MoE架构上做了几个关键优化：动态专家路由和共享专家层设计，这解释了它如何在保持推理速度的同时降低计算成本。个人经验来看，之前测试过DeepSeek-V2的长文本能力，这次V3在128K上下文窗口下的连续性确实有质的飞跃，尤其是数学推理中的符号推演逻辑更清晰。不过，我对其通用泛化能力存疑：中文任务的高分可能部分来自训练数据偏差，英文科学问答（如GPQA）的分数还没公布。这引出一个问题：低价API策略是否会倒逼GPT-5降价，还是说大模型市场正式进入“薄利多销”阶段？行业趋势上，我觉得专业化小模型会加速崛起，因为DeepSeek-V3这种性价比路线正好满足中小企业对垂直场景的需求。你们觉得，当推理成本降到接近零时，大模型的核心竞争力会从模型能力转向数据质量吗？