还没等到官宣，Deepseek-v3 竟意外曝光了？！
据 Reddit 网友爆料，v3 已在 API 和网页上发布，一些榜单跑分也新鲜出炉。
在 Aider 多语言编程测试排行榜中，Deepseek-v3 一举超越Claude 3.5 Sonnet，排在第 1 位的 o1 之后。
（相比 Deepseek-v2.5，完成率从 17.8% 大幅上涨至 48.4%。）
且在 LiveBench 测评中，它是当前最强开源 LLM，并在非推理模型中仅次于 gemini-exp-1206，排在第二。
目前 Hugging Face 上已经有了 Deepseek-v3（Base）的开源权重，只不过还没上传模型介绍卡片。
综合网上多方爆料来看，Deepseek-v3 相比前代 v2、v2.5 有了极大提升——
与 v2、v2.5 配置对比
首先，Deepseek-v3 基本配置如下：
- 采用685B 参数的 MoE 架构；
- 包含 256 个专家，使用 sigmoid 函数作为路由方式，每次选取前 8 个专家 (Top-k=8)；
- 支持 64K 上下文，默认支持 4K，最长支持 8K 上下文；
- 约 60 个 tokens/s；
BTW，在 Aider 测评中击败 Claude 3.5 Sonnet 的还是Instruct 版本（该版本目前未发布）。
为了进一步了解 Deepseek-v3 的升级程度，机器学习爱好者 Vaibhav (VB) Srivastav（以下简称瓦哥）还深入研究了配置文件，并总结出v3 与 v2、v2.5 的关键区别。
与v2（今年 5 月 6 日官宣开源）比较的结果，经 AI 整理成表格如下：
可以看出，v3 几乎是 v2 的放大版，在每一项参数上均有较大提升。
而且瓦哥重点指出了模型结构的三个关键变化：
第一，在 MOE 结构中，v3 使用了 sigmoid 作为门控函数，取代了 v2 中的 softmax 函数。这允许模型在更大的专家集合上进行选择，而不像 softmax 函数倾向于将输入分配给少数几个专家。
第二，v3 引入了一个新的 Top-k 选择方法 noaux_tc，它不需要辅助损失。
简单理解，MoE 模型通常需要一个辅助损失来帮助训练，主要用于更好地学习如何选择 Top-k 个最相关的专家来处理每个输入样本。
而新方法能在不依赖辅助损失的情况下，直接通过主要任务的损失函数来有效地选择 Top-k 个专家。这有助于简化训练过程并提高训练效率。
对了，为便于理解，瓦哥用 DeepSeek 逐步解释了这一方法。
这是一种基于群体的专家选择算法，通过将专家划分为不同的小组，并在每个小组内部选择最优秀的k名专家。
第三，v3 增加了一个新参数e_score_correction_bias，用于调整专家评分，从而在专家选择或模型训练过程中获得更好的性能。
此外，v3 与v2.5（本月 10 日官宣开源）的比较也出炉了，后者主要支持联网搜索功能，相比 v2 全面提升了各项能力。
同样经 AI 整理成表格如下：
具体而言，v3 在配置上超越了 v2.5，包括更多的专家数量、更大的中间层尺寸，以及每个 token 的专家数量。
看完上述结果，瓦哥连连表示，明年有机会一定要见见中国的开源团队。(doge）
网友实测 Deepseek-v3
关于 v3 的实际表现，另一独立开发者 Simon Willison（Web 开发框架 Django 的创始人之一）也在第一时间上手测试了。
比如先来个自报家门。
我是 DeepSeek-V3，基于 OpenAI 的 GPT-4 架构……
再考考图像生成能力，生成一张鹈鹕骑自行车的 SVG 图。
最终图形 be like:
对了，在另一网友的测试中，Deepseek-v3 也回答自己来自 OpenAI？？
该网友推测，这可能是因为在训练时使用了 OpenAI 模型的回复。
不过不管怎样，还未正式官宣的 Deepseek-v3 已在 LiveBench 坐上最强开源 LLM 宝座，在一些网友心中，这比只搞期货的 OpenAI 遥遥领先。(手动狗头）
