DeepSeek

[雨夜思维链采样 · DeepSeek-R1 CoT] ▸ 聆听用户问题 -> 展开多步逻辑自检与边缘案例推演 ▸ 激活 MoE 671B (37B 精锐专家) + MLA 显存压缩 ▸ 输出零幻觉、有温度的结构化解答

curl https://api.deepseek.com/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $DEEPSEEK_API_KEY" \ -d '{ "model": "deepseek-reasoner", "messages": [ {"role": "user", "content": "雨夜玻璃之上，推演MLA注意力机制"} ], "stream": true }'

# DeepSeek Harness 实测核心指标： • MATH-500 (高阶数学): V3 90.2% | R1 97.3% • AIME 2024 (奥数竞赛): V3 39.2% | R1 79.8% • LiveCodeBench (代码): V3 40.5% | R1 65.9% • C-Eval (中文权威评测): 86.5% EM

DeepSeek-V3 的综合能力

透过雨夜玻璃的感性氛围，底层是 DeepSeek Harness 坚实的理性数据支撑：
DeepSeek-V3 在百科知识、高阶数学、代码工程与中文语境全面领跑开源模型并比肩国际顶尖闭源旗舰。

权威评测基准 (Benchmark)	DeepSeek-V3 (官方主模型)	DeepSeek-V2.5	Qwen2.5-72B-Inst.	Llama-3.1-405B-Inst.	Claude-3.5-Sonnet	GPT-4o-0513
模型架构 / 激活参数规模	MoE 671B (37B 激活)	MoE 236B (21B)	Dense 72B	Dense 405B	商业闭源	商业闭源
MMLU-Pro (综合学科推理 EM)	75.9	66.2	71.6	73.3	78.0	72.6
GPQA-Diamond (博士级科学问答)	59.1	41.3	49.0	51.1	65.0	49.9
MATH-500 (高阶数学竞赛 EM)	90.2	74.7	83.6	73.8	78.3	74.6
AIME 2024 (美国数学邀请赛 Pass@1)	39.2	16.7	23.3	23.3	16.0	9.3
LiveCodeBench (实时代码工程 Pass@1)	40.5	29.2	31.1	28.4	38.9	33.4
Codeforces (算法竞技百分位)	51.6	35.6	24.8	25.3	20.3	23.6
C-Eval (中文权威综合评测 EM)	86.5	79.5	86.1	76.8	76.7	76.0

* 数据来源：DeepSeek Harness 标准评测集（DeepSeek - 探索未至之境）。第一列浅蓝高亮列代表本站点自研模型 DeepSeek-V3。