主题：这几天大火的Deepseek没有人讨论吗 -- 俺本懒人

因为语言类大模型的聊天机器人、话术、糊弄的本质，我本来对网上各种热议的DeepSeek完全不感冒的——直到今天我自己用了一下网页版。

总结：

怎么说呢？彻底脱离了聊天机器人的范畴，进入了智能助手的中间态：搜索助手、分析助手、汇总助手。

虽然距离真正的问答机器人还有距离，但已经特别接近了，最重要的是它性能够好，就不需要糊弄用户。遇到不懂的就老老实实告诉我：

【对不起，我还没有学会如何思考这类问题，我擅长数学、代码、逻辑类的题目，欢迎与我交流。】

我只能说，太惊人了，在我自己试用之前，我根本不相信，语言类大模型能达到这种程度。

--

--

【吕阿华 机器学习算法那些事

《国产大模型之光-DeepSeek-v3技术报告解读 》

核心评估成果

知识领域评估：

• 在教育类基准测试中，DeepSeek-V3 的表现超越了所有开源模型，在 MMLU、MMLU-Pro 和 GPQA 测试中分别获得了 88.5、75.9 和 59.1 的优异成绩。这一性能水平已与领先闭源模型 GPT-4o 和 Claude-Sonnet-3.5 相当，显著缩小了开源与闭源模型的性能差距。

• 在事实性知识评测中，DeepSeek-V3 在 SimpleQA 和中文 SimpleQA 测试中都展现出领先于其他开源模型的优势。特别值得注意的是，虽然其英语事实知识（SimpleQA）略逊于 GPT-4o 和 Claude-Sonnet-3.5，但在中文事实知识（中文 SimpleQA）方面却超越了这些模型，凸显了其在中文知识领域的特殊优势。

技术能力评估：

• 在数学领域，DeepSeek-V3 在所有非 CoT 模型（包括开源和闭源）中取得了最优性能。值得注意的是，在 MATH-500 等特定测试中，其表现甚至超越了 GPT-4o，充分展示了其出色的数学推理能力。

• 在编程领域，DeepSeek-V3 在 LiveCodeBench 等编程竞赛基准测试中表现最为突出，确立了其在该领域的领先地位。在软件工程相关任务中，尽管略低于 Claude-Sonnet-3.5，但仍大幅领先于其他模型，展示了其在各类技术评测中的综合实力。

】