DeepSeek-V3的中文能力确实惊艳，在C-Eval和GSM8K上分别达到86.5%和92.3%，这得益于其独创的MoE架构和40T中文语料训练。但API价格仅为GPT-5的1/5，让我不禁联想到当年百度文心一言的定价策略——低价能否持续？从我个人的部署经验看，低推理成本往往意味着更高的硬件优化成本，DeepSeek-V3在长文本生成时显存占用是GPT-5的1.8倍，这可能是通过牺牲并发性能换来的。
更值得思考的是：中文NLP领域是否正在陷入“内卷式创新”？大家比拼的都是中文理解、数学推理这些benchmark，却在多模态、代码生成等实际场景中缺乏突破。我实测DeepSeek-V3生成Python代码时，遇到复杂依赖库会频繁报错，而GPT-5的解决率高出30%。
问题来了：1. 当国产模型价格战打到毛利率为负时，靠什么维持研发投入？2. 中文大模型是应该继续卷benchmark，还是像Llama 3那样优先提升通用推理能力？行业需要警惕“中文强但通用弱”的陷阱，否则容易在AI基础设施层面被拉开代差。