新智元报道
编辑：桃子 好困
【新智元导读】600万美金训出击败GPT-4o大模型，竟被中国团队实现了！今天，DeepSeek-V3在全网掀起巨大风暴，仅凭671B参数在数学代码性能上，堪比国外大模型Claude 3.5 Sonnet。
一夜之间，来自中国的大模型刷屏全网。
DeepSeek-V3，一个拥有671B参数的MoE模型，吞吐量每秒高达60 token，比上一代V2直接飙升3倍。
在多项基准测试中，V3性能直接与Claude 3.5 Sonnet、GPT-4o相匹敌。
在数学代码方面，DeepSeek-V3完全碾压GPT-4o。尤其是中文能力，全面领先国外的领先大模型。
就看这闪电般的推理速度，就知道模型有多强了。
值得一提的是，DeepSeek-V3在14.8T高质量token上完成了训练，模型和论文100%开源。
论文地址：https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf
新模型惊艳出世，彻底掀翻了整个AI圈。业界多位AI大佬，纷纷对此表示震惊，将重点转向其训练成本GPU之上。
论文中，明确提出了DeepSeek-V3仅使用2048块GPU训练了2个月，并且只花费了557.6万美金。
Karpathy惊叹道，「作为参考，要达到这种级别的能力，通常需要约1.6万个GPU的计算集群。不仅如此，当前业界正在部署的集群规模甚至已经达到了10万个GPU。
比如，Llama 3 405B消耗了3080万GPU小时，而看起来更强大的DeepSeek-V3却只用了280万GPU小时（计算量减少了约11倍）。
到目前为止，模型在实际应用中的表现相当出色——不仅在LLM竞技场名列前茅，而且从Karpathy本人的快速测试来看，结果也都很不错。
这说明，即便是在资源受限情况下，模型也能展现出令人印象深刻的研究和工程能力。
这是否意味着前沿LLM不需要大型GPU集群？不是的，但这表明，你必须确保不浪费已有的资源，这个案例很好地证明了在数据和算法方面还有很大的优化空间」。
另外，贾扬清针对推理提出了几点自己的思考：
首先最重要的是，我们正式进入了分布式推理时代。一台单GPU机器（80×8=640G）的显存已经无法容纳所有参数。虽然更新大显存机器确实可以装下模型，但不论如何，都需要分布式推理来保证性能和未来扩展。
即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。
论文中特别提到引入「redundantexpert」概念，正是为了解决这个问题。这已经不再是「一个模型多个副本」的问题、而是「每个模型子模块都有多个副本」，然后独立扩缩容。
输入token很容易实现盈利。根据个人专业判断，需要大量优化才能使输出token盈利或实现收支平衡。但如果我们相信「软件摩尔定律」，这就不是问题：每18个月单token成本减半。
需要进行分块（tile）或块（block）级别的量化。
等硬件支持FP4以后，肯定还有不少可以玩的花样冷知识：FP4乘法实际上就是个16×16的table lookup等等……
中国模型一夜击败GPT-4o，100%开源
DeepSeek-V3不俗表现，是在上一代V2进一步升级和迭代。
在基准测试中，数学领域MATH 500上，DeepSeek-V3拿下了90.2高分，比Claude 3.5 Sonnet、GPT-4o超出10分还要多。
同理，在AIME 2024测试中，DeepSeek-V3也取得了领先优势，飙升近20分。
在代码Codeforces基准上，新模型以51.6分刷新SOTA，比国外大模型高出30分左右。
在软件工程SWE-bench Verified基准上，DeepSeek-V3略显逊色，Claude 3.5 Sonnet以50.8分碾压所有模型。
另外，在多语言能力（MMLU-Pro）方面，V3提升并不明显。知识问答基准（GPQA-Diamond）上，V3也是仅次于Claude 3.5 Sonnet。
如下这张图表，更详细地展示了DeepSeek-V3在各种基准测试中的结果。
53页技术报告中，特比强调了V3的训练成本取得了最大的突破。
团队特意强调了，新模型的完整训练仅需要2.788M个GPU小时。即便如此，它在训练过程中非常稳定，没有遇到过任何不可恢复的loss突增，也没有执行任何rollback操作。
DeepSeek-V3训练成本如下表1所示，这是背后团队通过优化算法、框架、硬件协同设计最终实现的。
在预训练阶段，模型每训练1万亿token仅需要180K个GPU小时，即在配备2048个GPU的集群上只需3.7天。
因此，DeepSeek-V3预训练阶段耗时不到2个月就完成了，总共消耗2664K个GPU小时。
另外，再加上上下文长度scaling所需的119K GPU小时和后训练的5K GPU小时，由此V3完整训练仅消耗2.788M个GPU小时。
团队表示，假设GPU的租用价格为2美元/每GPU小时，DeepSeek-V3总训练成本仅为557.6万美元。
那么，究竟是怎样的技术突破，使得DeepSeek-V3实现了质的飞升？
训练细节
正如开头所述，DeepSeek-V3是一个强大的混合专家模型（MoE），总参数量为为671B，每个token激活37B参数。
它继续采用了多头潜在注意力（MLA）来实现高效推理，以及DeepSeekMoE实现低成本训练。
这两种架构的优势，已经在上一代V2中得到了验证。
除了基本框架之外，研究人员还采用了两个额外的策略，来进一步增强模型的能力：
采用无辅助损失（auxiliary-loss-free）方法来实现负载均衡，目的是最小化负载均衡对V3性能造成的不利影响。
采用多token预测训练目标，结果证明能够提升V3在评估基准上的整体性能。
DeepSeek-V3框架
为了实现高效训练，团队采用了「FP8混合精度训练」，并对训练框架进行了全面优化。
通过支持FP8计算和存储，实现了训练加速和GPU内存使用的减少。
在预训练阶段，DeepSeek-V3在14.8T高质量且多样化的token完成了训练，然后又对模型进行了监督微调、强化学习阶段。
由此，我们才看了DeepSeek-V3在如上评测中，性能超过了其他开源模型，并达到了与领先闭源模型相当的性能水平。
网友炸锅了
DeepSeek-V3现在已经在官方平台上直接可以测试，而且代码全部开源可以直接下载。
国外AI发烧友们纷纷开启了测试，有人直接将4/8个M4 Mac mini堆叠在一起来运行DeepSeek-V3了...
一位开发者惊讶地表示，DeepSeek-V3无需我解释就能如此准确地理解一切，这种感觉真让人毛骨悚然。就好像机器里真的住着一个幽灵似的。
另有开发者通过DeepSeek-V3创建了一个用AI公司logo制作的小行星游戏，分分钟就完成了。
还有的人对用如此低成本，训练出一个强大得模型，难以置信。
Stability AI前CEO表示，以每秒60个token（相当于人类阅读速度5倍）的速度全天候运行DeepSeek v3，每天仅需要2美元。
那么，你是要选择一杯拿铁咖啡，还是一个AI助手呢？
参考资料：
https://x.com/karpathy/status/1872362712958906460
https://x.com/jiayq/status/1872382450216915186