国产开源MoE指标炸裂：GPT-4级别能力，API价格仅百分之一

　　本文来自于微信公众号 量子位 (ID:QbitAI)，作者:明敏。

　　最新国产开源MoE大模型，刚刚亮相就火了。

　　DeepSeek-V2性能达GPT-4级别，但开源、可免费商用、API价格仅为GPT-4-Turbo的百分之一。

　　因此一经发布，立马引发不小讨论。

　　从公布的性能指标来看，DeepSeek-V2的中文综合能力超越一众开源模型，并和GPT-4-Turbo、文心4.0等闭源模型同处第一梯队。

　　英文综合能力也和LLaMA3-70B同处第一梯队，并且超过了同是MoE的Mixtral8x22B。

　　在知识、数学、推理、编程等方面也表现出不错性能。并支持128K上下文。

　　这些能力，普通用户都能直接免费使用。现在内测已开启，注册后立马就能体验。

　　API更是是骨折价:每百万tokens输入1元、输出2元(32K上下文)。价格仅为GPT-4-Turbo的近百分之一。

　　同时在模型架构也进行创新，采用了自研的MLA(Multi-head Latent Attention)和Sparse结构，可大幅减少模型计算量、推理显存。

　　网友感叹:DeepSeek总是给人带来惊喜!

　　具体效果如何，我们已抢先体验!实测一下

　　目前V2内测版可以体验通用对话和代码助手。

　　在通用对话中可以测试大模型的逻辑、知识、生成、数学等能力。

　　比如可以要求它模仿《甄嬛传》的文风写口红种草文案。

　　还可以通俗解释什么是量子纠缠。

　　数学方面，能回答高数微积分问题，比如:

　　使用微积分证明自然对数的底e 的无穷级数表示。

　　也能规避掉一些语言逻辑陷阱。

　　测试显示，DeepSeek-V2的知识内容更新到2023年。

　　代码方面，内测页面显示是使用DeepSeek-Coder-33B回答问题。

　　在生成较简单代码上，实测几次都没有出错。

　　也能针对给出的代码做出解释和分析。

　　不过测试中也有回答错误的情况。

　　如下逻辑题目，DeepSeek-V2在计算过程中，错误将一支蜡烛从两端同时点燃、燃烧完的时间，计算成了从一端点燃烧完的四分之一。 带来哪些升级?

　　据官方介绍，DeepSeek-V2以236B总参数、21B激活，大致达到70B~110B Dense的模型能力。

　　和此前的DeepSeek67B相比，它的性能更强，同时训练成本更低，可节省42.5%训练成本，减少93.3%的KV缓存，最大吞吐量提高到5.76倍。

　　官方表示这意味着DeepSeek-V2消耗的显存(KV Cache)只有同级别Dense模型的1/5~1/100，每token成本大幅降低。

　　专门针对H800规格做了大量通讯优化，实际部署在8卡H800机器上，输入吞吐量超过每秒10万tokens，输出超过每秒5万tokens。

　　在一些基础Benchmark上，DeepSeek-V2基础模型表现如下:

　　DeepSeek-V2采用了创新的架构。

　　提出MLA(Multi-head Latent Attention)架构，大幅减少计算量和推理显存。

　　同时自研了Sparse结构，使其计算量进一步降低。

　　有人就表示，这些升级对于数据中心大型计算可能非常有帮助。

　　而且在API定价上，DeepSeek-V2几乎低于市面上所有明星大模型。

　　团队表示，DeepSeek-V2模型和论文也将完全开源。模型权重、技术报告都给出。

　　现在登录DeepSeek API开放平台，注册即赠送1000万输入/500万输出Tokens。普通试玩则完全免费。