DeepSeek V3评测：2026年实践者的看法

如果您在2026年4月仍然基于DeepSeek V3进行构建，或者该系列是否已经发展到了新的阶段？这篇DeepSeek V3评测直接回答了这个问题：V3是2024年12月的一个里程碑式发布，证明了671B参数的专家混合模型可以在训练成本的一小部分内与闭源旗舰产品相媲美，但API界面已经通过V3.1、V3.2，现在到V4进行了更新。我从2025年1月开始在生产环境中运行V3，记录了它的特性，并已经将工作负载迁移到了V3.2和V4-Flash。以下是对账单，原始技术报告中的基准数字，其中V3仍然有其价值，它的不足之处，以及今天应该使用什么替代方案。

我们的结论：一个里程碑式模型，现已过时

DeepSeek V3是让西方开发者开始认真对待中国开源宽基LLM（大型语言模型）的模型。它仍然可以作为自托管基础运行良好，对于已经捕获原始发布的组织来说。但针对2026年4月的新API工作负载，V3不是正确的默认选择——它的继任者更便宜、更快、更好。对账单反映了V3的发布状态，而不是当前API推荐。

标题： 如果您已经自托管了开源权重，并且工作负载稳定，V3是可行的。如果您今天正在选择托管API模型，请直接通过[URL]跳转到V4-Flash。 DeepSeek models hub 并跳过历史血统。

Who should use it, who shouldn’t

如果：

• 您已经在自己的H100/H200集群上运行了一个自托管的V3部署，并且工作负载稳定。
• 你正在进行需要特定于2024年12月检查点的可重复性研究。
• 您正在研究MoE（混合专家）架构——V3的无辅助损失负载均衡和多令牌预测目标仍然是有趣的参考设计。

如果：

• 你正在基于托管API构建新内容。旧的 deepseek-chat and deepseek-reasoner 别名现在路由到 DeepSeek V4-Flash，并且它们将在2026年7月24日15:59 UTC完全退役。
• 您需要长上下文。V3的上限是128K令牌；V4提供了1,000,000令牌的上下文，输出可达384,000令牌。
• 你需要内置的思考模式。V3是非思考的；推理存在于单独的R1模型中。

Testing methodology

我在2025年1月至8月期间在三个表面上测试了V3：官方DeepSeek托管API（当时别名为 deepseek-chat），一个自托管FP8部署在8×H100节点上，以及Hugging Face上的模型卡，用于离线评估。工作负载包括TypeScript代码库的生产代码审查、技术写作辅助、数学证明检查和多语言客户支持分类器。结果与并行运行的相同提示的ChatGPT（GPT-4o）和Claude 3.5 Sonnet管道的结果进行了跟踪。

测试中的架构

DeepSeek的V3技术报告 将该模型描述为强大的混合专家语言模型，总参数量为671B，每个token激活37B，采用多头潜在注意力（MLA）和DeepSeekMoE架构，并开创了无辅助损失的负载平衡策略。团队在14.8万亿个多样化和高质量token上预训练了V3，随后是监督微调和强化学习阶段。MoE设计使得V3在预算有限的情况下变得可行——每个token只有一小部分参数被激活。

Results by task type

Coding

V3在发布时是代码领域的突出开源模型。在HumanEval-Mul上，它清除了开源领域，在真实世界的TypeScript审查中，它在多达约60K个token的多文件上下文中产生了比GPT-4o更干净的重构。然而，它在80K以上时表现不佳——连贯性在广告的128K窗口之前就明显下降，这是那个时代长上下文模型的一个已知弱点。后续的V3-0324检查点在一定程度上解决了这个问题，具有更强的推理能力、更快的代码生成速度和比12月发布版本更好的前端设计能力。

Mathematical reasoning

V3在数学方面表现卓越，没有思考模式的开销。在教育基准测试如MMLU、MMLU-Pro和GPQA中，DeepSeek-V3优于所有其他开源模型，根据技术报告，MMLU得分为88.5，MMLU-Pro得分为75.9，GPQA得分为59.1。然而，对于需要逐步推理风格的推理工作负载，你想要的是R1而不是V3——参见 DeepSeek R1.

Writing

V3有开源的冗长诅咒。它会产生结构良好的散文，但往往过于详尽，尤其是在非思考模式的对话使用中。收紧输出风格需要提示工程（参见 DeepSeek prompt engineering V4系列仍适用的技术教程

Benchmark snapshot

下面的数字是DeepSeek发布的原始V3（聊天）数据。在正式文件中引用之前，请先核对技术报告中的表格。

在发布时，与所有其他开源模型的历史比较表格基准，V3在几乎所有类别中都处于或接近顶端，尤其是在代码和数学方面。

Value for money

V3以极具侵略性的价格推出API，这对于一个前沿级模型来说是不寻常的。当时，公布的费率是每百万输入令牌（缓存未命中）0.27美元和每百万输出令牌1.10美元——仅为GPT-4o或Claude 3.5 Sonnet收费的一小部分。 这些比率已不再有效。 V3.2在2025年底取代了它们，而V4-Flash在2026年4月24日低于V3.2。对于今天， DeepSeek API pricing，不要引用V3的数字作为实时数据。

工作示例：今日V4-Flash与V3历史对比

以每月100万次调用的工作负载为例，每次调用包含一个2,000令牌的缓存系统提示，一个200令牌的未缓存用户消息和一个300令牌的响应。使用 deepseek-v4-flash 截至2026年4月发布的费率：

Input, cache hit  : 2,000,000,000 tokens × $0.0028/M = $5.60
Input, cache miss :   200,000,000 tokens × $0.14/M  = $28.00
Output            :   300,000,000 tokens × $0.28/M  = $84.00
                                                     -------
Total                                                         $117.60

从历史上看，在原始V3的费率下（输入未命中0.27美元/输出1.10美元，第一天没有公布缓存折扣）运行相同的工作负载将高得多。V4-Flash是DeepSeek家族中今天运行此配置最便宜的地方；对于前沿级工作，您可能会考虑V4-Pro，其花费大约是V4-Flash的七倍。使用 DeepSeek pricing calculator 请使用您自己的数字。

V3实际上是如何通过API工作的

如果您正在维护一个遗留的V3集成，有两个技术要点很重要。首先，API始终是无状态的——聊天请求直接 POST /chat/completions，与OpenAI兼容的端点，客户端必须在每次调用时重新发送完整消息历史。网页聊天会保留会话历史；API不会。其次，V3可以通过别名访问。今天，该别名仍然可以解析，但现在它指向非思考模式的V4-Flash，且别名将于2026年7月24日15:59 UTC退役。 deepseek-chat 今天那个别名仍然可以解析，但现在它指向非思考模式的V4-Flash，且别名将于2026年7月24日15:59 UTC退役。

对当前V4端点的最小Python调用，使用OpenAI SDK模式，看起来是这样的：

from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com",
    api_key="YOUR_KEY",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Summarise this PR diff."}],
    temperature=0.0,
    max_tokens=1024,
)
print(resp.choices[0].message.content)

Note temperature=0.0 用于代码工作——DeepSeek的官方指南将0.0与代码和数学配对，1.3与一般对话配对，1.5与创意写作配对。相同的SDK交换模式（只需更改 base_url and api_key) 未经修改也适用于V3。

经久不衰的优势

• 架构开放性。 完整的671B参数MoE，每个token激活37B，附带详细报告，为研究社区提供了一个真正的参考设计。
• 训练效率。 DeepSeek-V3的全额训练只需要2.788M H800 GPU小时，而更广泛的来自路透社的数据将计算成本估算为大约560万美元——仅为GPT-4级预算的一小部分。这就是推动2025年1月炒作周期的主要新闻。
• 与OpenAI SDK兼容性。 对于已经使用OpenAI Python或Node库的任何团队，第一天即可无缝接入。
• 在Hugging Face上开放权重。 自托管对于有硬件预算的组织来说是实用的。注意许可：V3的原版基础/聊天权重在单独的DeepSeek模型许可（代码MIT）下分发；较新的V3.1、V3.2、R1和V4系列在MIT下发布权重。

推动我迁移的弱点

• 128K上下文上限。 发布时足够用；到2025年中期就略显局促。V4的默认1M令牌是针对代码仓库和长文档工作流的正确答案。
• No native thinking mode. 需要跳转到R1进行推理，R1是一个独立的模型。V4将这一过程简化为任意一层的参数——见以下内容。 reasoning_effort parameter on either tier — see the DeepSeek API documentation.
• 长文本连贯性。 实际退化开始时间远早于宣传的限制，尤其是在多文件代码审查中。
• 对齐。 微软Azure的列表指出，研究人员发现DeepSeek V3与其他模型相比不太一致，导致模型产生潜在有害内容的风险更高，在安全和越狱基准测试中的得分更低。将此视为面向消费者部署的真正考虑因素。
• 托管API隐私。 数据在中国法律管辖的服务器上处理。如果这对您很重要，开放权重是缓解措施；参见 DeepSeek privacy 用于更长的处理。

Competitor context

发布时，V3的主要参考点是GPT-4o和Claude 3.5 Sonnet。DeepSeek V3在独立复测中HumanEval上的得分为82.6，超过了GPT-4o、Claude 3.5 Sonnet和Llama-3。要对比当时闭源旗舰产品，请参见 DeepSeek V3 vs GPT-4o; 用于更广泛的专有比较。 DeepSeek vs Claude。对于2026年的替代方案，现实中的候选清单包括DeepSeek侧的V4系列和专有侧当前的GPT-5、Claude 4和Gemini 3代——这些系列中的版本号经常变化，因此在做出承诺之前请对照供应商定价页面进行核实。

迁移路径：V3 → V4（今日）

1. 替换。 model="deepseek-chat" with model="deepseek-v4-flash". Keep base_url="https://api.deepseek.com" 如此。
2. 如果您之前已将推理工作负载路由到 deepseek-reasoner，切换到 deepseek-v4-flash (or deepseek-v4-pro 对于前沿级（frontier-tier）并添加 reasoning_effort="high" with extra_body={"thinking": {"type": "enabled"}}. The response returns reasoning_content alongside the final content.
3. 依赖V3的128K上下文的审计提示。它们将在1M上下文中保持不变运行，但现在您可以合并之前分块输入的工作流程。
4. 重新运行您的评估集。V4更改了一些输出样式默认值；长格式提示可能需要根据DeepSeek的指导进行调整。 temperature 调整。
5. 在2026-07-24 15:59 UTC之前完成迁移。之后，带有旧ID的请求将失败。

Verdict

DeepSeek V3是开放重量级模型，在重要的基准测试中缩小了与前沿专有系统的差距，预算使得封闭实验室感到不适。作为一项工程和一项研究成果，它仍然值得研究。作为2026年4月的生产目标，它是一个历史性的里程碑——正确的做法是阅读这篇评论以了解背景，然后基于V4-Flash进行构建。浏览 DeepSeek reviews 对于其余的谱系。

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.