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。
图片
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Mixtral 8x22B。
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。
图片
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。
图片
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！
图片
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。
图片
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。
图片
还可以通俗解释什么是量子纠缠。
图片
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。
图片
也能规避掉一些语言逻辑陷阱。
图片
测试显示，DeepSeek-V2的知识内容更新到2023年。
图片
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。
图片
也能针对给出的代码做出解释和分析。
图片
图片
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。
图片
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。
图片
和此前的DeepSeek 67B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。
图片
在一些基础Benchmark上，DeepSeek-V2基础模型表现如下：
图片
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。
图片
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。
图片
而且在API定价上，DeepSeek-V2几乎低于市面上所有明星大模型。
图片
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。
