开源和闭源模型的差距在拉大：这是 DeepSeek 论文揭示的残酷真相

文章摘要

【关 键 词】 开源模型、闭源模型、技术报告、性能差距、创新架构

DeepSeek近期发布的V3.2技术报告揭示了一个关键趋势：开源与闭源大模型的性能差距正在扩大而非缩小。基于大量实测数据，报告明确指出，尽管开源社区持续进步，闭源模型的性能提升速度显著更快，导致两者在复杂任务上的差距日益明显。例如，在MMLU-Pro、GPQA Diamond等基准测试中，DeepSeek V3.2虽为当前最强开源模型，但得分仍落后于GPT-5和Gemini 3.0 Pro，尤其在HLE（极难文本推理测试）中差距尤为显著。

报告深入分析了导致差距扩大的三个结构性缺陷。架构层面的局限性是首要问题：开源模型普遍依赖传统的注意力机制，而闭源模型已采用更高效的技术。资源投入的鸿沟同样关键，后训练阶段的预算差异直接影响了模型性能，DeepSeek V3.2的后训练成本超过预训练的10%，远超大多数开源项目。AI Agent能力的滞后进一步加剧了差距，开源模型在多轮交互、工具调用等场景中的表现明显不足。

为应对这些挑战，DeepSeek采取了根本性的技术革新。引入DSA（DeepSeek Sparse Attention）机制，通过优化注意力计算复杂度，在长文本任务中实现了性能与效率的双重提升。超常规的资源分配策略，包括为不同领域训练专家模型并进行大规模强化学习，显著提升了模型能力。系统化的任务合成流程，通过生成多样化训练场景，有效强化了Agent的泛化能力。这些改进使DeepSeek V3.2在Agent相关测试中缩小了与闭源模型的差距。

报告的结论耐人寻味：开源模型的生存之道在于技术创新而非资源堆砌。DeepSeek V3.2的实践表明，通过高效架构设计和科学的后训练方法，开源社区能够在有限资源下实现接近闭源模型的性能。这一探索不仅为开源生态提供了可行路径，也为AI技术发展提出了新的思考方向。

原文和模型

【原文链接】 阅读原文 [ 2012字 | 9分钟 ]
【原文作者】 硅星人Pro
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★★★★☆

派欧算力云 – AI 云端一体化解决方案: 模型 API、Serverless、GPU 租赁

派欧算力云提供全面的 AI 云端平台解决方案,包括模型 API、Serverless 和高性能 GPU 实例等,帮助您节省高达 50% 的成本,并同时加速 AI 产品的构建和业务发展,助力企业实现创新突破,赢得市场竞争优势。