DeepSeek发布最新版V3，代码和审美有了质的提升，附5大维度测评

最新版 V3 主要更新：

1. 上下文窗口达到 128k（之前64k）；

2. 代码能力有了质的提升，审美也跟上了；

3. 还是老规矩，免费、开源、可商用。

01 模型规模与架构

DeepSeek-V3 模型参数 685B，每个 token 激活 37 亿参数，继续沿用 “混合专家系统”（MoE）架构，由 256 个 “专家模型” 组成，根据问题选择 8 位专家协作，采用多头潜在注意力（MLA）降低推理时 KV 缓存，提升推理效率；引入无辅助损失的负载平衡策略，动态调整专家负载；使用多 token 预测（MTP）目标，增加训练信号密度，提高数据效率 。

同时，最新版 V3 上下文窗从 64k 提升到128k，支持超长文本理解和生成。不过，有细心的群友发现论文已经的 128k 了，但是官方 API 文档中还是 64k，可能是做了限制，又或是还没更新。

从最新版 V3 与其同类产品的基准性能中，V3 在数学、代码、逻辑推理、知识问答等方面表现优秀，相比 V2 版本有显著提升。

02 实测案例

02.1 代码能力及审美

输入：

用 Vue 3 或 React 编写一个动态天气卡片组件，要求：

1. 响应式布局，适配移动端和桌面端

2. 包含天气图标（如晴/雨/云）、温度、城市搜索输入框

3. 背景色根据天气类型动态变化（如晴天为渐变橙，雨天为渐变蓝）

4. 悬停时有微交互动画（如卡片浮动）
附：使用 Tailwind CSS 或 CSS-in-JS 实现样式。

02.2 数学推理能力

输入：若一个长方体的长、宽、高分别增加 10%、20%、15%，体积增加了多少百分比？

输入：量子计算的主要优势是什么？

模型回答后，继续追问：它与传统计算机在 Shor 算法上的具体区别是什么？

继续追问：用表格总结一下量子计算和传统计算的主要区别

连续追问细节，测试上下文保持能力。

02.4 高难度翻译

输入：

将以下包含文化隐喻的句子翻译成英语，并解释如何处理隐喻部分：“这个算法像‘老黄牛’一样稳定，但缺乏‘灵鹤’的灵活性。”

输入：请用500字概括这篇论文的主要贡献和方法

Last but not least

从以上 5 个方面，包括代码能力、数学推理能力、上下文关联、翻译以及长文本理解来看，V3 确实有了质的提升，尤其是代码能力，生成速度快，审美能力也大幅度提升，相比以往大多数模型的审美，确实像网友所说，可以跟 Claude 3.7 Sonnet 媲美了。

最后，还有就是刚刚开源的最新版 V3 同样可商用，该模型权重已开源在 HuggingFace，可用于研究和商业用途。

AI Coding，它在东方升起来了。

DeepSeek nb！