Atualização de baixo perfil do modelo DeepSeek-V3, capacidade de código salta para o Claude-3.7

A concorrência no setor de tecnologia está sempre aumentando. Recentemente, a equipe da startup chinesa de IA DeepSeek atualizou seu modelo básico V3 de forma discreta, sem publicidade em grande escala, e a nova versão do DeepSeek-V3-0324 foi discretamente lançado na plataforma Hugging Face para download e implementação pelos desenvolvedores. Apesar do baixo perfil dessa atualização, os aprimoramentos significativos do novo modelo em termos de capacidade de código rapidamente despertaram grande interesse e discussões acaloradas na comunidade técnica.

Há algumas horas, o DeepSeek-AI abriu uma versão atualizada do DeepSeekV3, versão 0324, carregada no HuggingFace em 24 de março de 2025 e de código aberto usando o protocolo do MIT.

As informações de configuração do modelo mostram que o DeepSeekV3-0324 ainda é um grande modelo MoE, contendo 256 especialistas em roteamento e 1 especialista compartilhado para cada token Usa 8 especialistas para inferência. O DeepSeekV3-0324 é dimensionado para um comprimento máximo de contexto de 163840 (160K) via RoPE. O tamanho do vocabulário do modelo é 129280 e integra o mecanismo LoRA para oferecer suporte ao ajuste fino leve.

Nenhum desses parâmetros foi alterado desde o lançamento do DeepSeekV3 em 26 de dezembro de 2024, o que significa que essa atualização é provavelmente o resultado de treinamento contínuo ou pós-treinamento do modelo original.

Os recursos de código dispararam para benchmarks de fontes próximas

As primeiras impressões dos usuários e os vários testes indicam que a melhoria mais notável do DeepSeek-V3-0324 são os recursos de geração e compreensão de código. Muitos testadores observaram que, em áreas como raciocínio matemático e desenvolvimento de front-end, a nova versão supera até mesmo a versão Claude 3.5 e Claude 3.7 Sonnet. O blogueiro @KuittinenPetri na plataforma de mídia social X foi ainda mais franco ao dizer que o DeepSeek-V3-0324 torna fácil e gratuito criar belos códigos HTML5, CSS e front-end, o que é uma ótima maneira para o Antrópica e a OpenAI apresentam novos desafios.

Por exemplo, com um simples comando, o DeepSeek-V3-0324 conseguiu gerar uma página inicial responsiva de excelente aparência para uma empresa de IA chamada NexusAI, integrando todos os elementos em um único arquivo HTML5. O código resultante tinha 958 linhas e resultou em um site interativo e compatível com dispositivos móveis que incluía até mesmo os recursos de imagem necessários. De acordo com @KuittinenPetri, o DeepSeek-V3-0324 é DeepSeek O melhor modelo sem inferência disponível atualmente não é apenas excelente em escrita criativa, mas agora é ainda melhor na geração de código HTML5 + CSS + front-end do que o R1. Outro usuário também conseguiu fazer com que o DeepSeek-V3-0324 criasse um site no qual o modelo gerou mais de 800 linhas de código de uma só vez e o layout do site foi muito bem-sucedido.

Testes em vários cenários do mundo real, mostrando um forte potencial de programação

Para avaliar de forma mais completa os recursos de programação do DeepSeek-V3-0324, muitos pesquisadores realizaram testes com diferentes cenários e o compararam com modelos como o antigo V3, Claude 3.7 e o1 pro. Os resultados dos testes comprovaram o aprimoramento significativo da nova versão do V3 em termos de programação.

• Texto para páginas de visualização: No teste de conversão de descrições de texto em páginas interativas da Web, o DeepSeek-V3-0324 mostra um salto quântico em relação à versão V3 antiga. As páginas da Web geradas pela nova versão não são apenas mais ricas em conteúdo, mas também têm um design e um layout de interface de usuário significativamente aprimorados, que superam até mesmo a atualização do Claude 3.5 para o 3.7. Vale a pena observar que o DeepSeek-V3-0324 é capaz de seguir instruções detalhadas para converter o conteúdo de um arquivo PDF em uma bela visualização chinesa de uma página da Web, o que geralmente é considerado uma área de força do Claude 3.7.
• Gerar animação 3D: Em testes de geração de apresentações interativas em 3D a partir da base de código JS, a nova V3 foi capaz de modelar cada etapa da fabricação de chocolate e oferecer suporte a interações com guias e barras laterais. Embora ainda haja espaço para melhorias em relação ao Claude, ele supera significativamente os recursos do antigo V3.
• Design de componentes da interface do usuário: No teste de design do componente de interface do usuário da previsão do tempo, o V3-0324 melhorou o desempenho da animação e a precisão da rotulagem de textos meteorológicos, o que mostra que ele é mais capaz de gerar interfaces de usuário práticas.
• Simulação do mundo físico: Em um teste que simula uma bola quicando dentro de um hexágono giratório, o DeepSeek-V3-0324 implementa com precisão o efeito de colisão da bola. Embora ainda existam algumas falhas, o desempenho geral é melhor do que o do antigo V3 e comparável ao do o1 pro.
• Geração de jogos com IA: O mais impressionante é que o DeepSeek-V3-0324 gera um jogo de cobras de pixel jogável com efeitos sonoros e modos assistidos por IA com apenas uma frase de instruções. Embora possa estar aquém do modo de pensamento estendido do Claude 3.7 em termos de complexidade e perfeição, o fato de ter sido capaz de concluir um jogo totalmente funcional é uma grande demonstração de seus poderosos recursos de programação.

Recursos técnicos e vantagens de custo

O DeepSeek-V3-0324 ainda não publicou um modelo detalhado do cartão, mas sabe-se que ele tem um tamanho de parâmetro de 685 bilhões. Vale a pena observar que o DeepSeek V3 usa o Modelagem especializada híbrida (MoE) com 671 bilhões de parâmetros, dos quais apenas 37 bilhões são ativados por inferência. (Nota do editor: o modelo MoE reduz significativamente o custo computacional e a latência ao decompor modelos grandes em várias sub-redes "especializadas", mantendo o desempenho do modelo). Para resolver o problema da carga desequilibrada de especialistas no modelo tradicional do MoE, a DeepSeek propõe de forma inovadora na V3 que Estratégia de balanceamento de carga sem perda auxiliar Além disso, a V3 ajusta dinamicamente a carga de especialistas introduzindo um "termo de polarização" para melhorar o desempenho do modelo e a eficiência do treinamento. Além disso, a V3 também adota Mecanismos de roteamento com restrição de nós para reduzir os custos de comunicação em treinamentos distribuídos em larga escala.

Além do bom desempenho, o DeepSeek-V3-0324 dá continuidade ao protocolo de código aberto descontraído do MIT. Mais importante ainda, sua API tem um preço competitivo em comparação com a API da OpenAI o1-pro Pelo menos 50 vezes mais barato. Comparado ao Claude 3.7, o DeepSeek v3 custa cerca de um décimo do preço de sua entrada, enquanto o preço de saída é cerca de um décimo terceiro do preço durante o horário padrão, e até mesmo um vigésimo sétimo do preço durante o horário especial. Essa atraente vantagem de preço, combinada com sua natureza de código aberto, sem dúvida será um forte incentivo para popularizar e desenvolver a programação de IA.

Características do modelo DeepSeek-V3-0324

O DeepSeek-V3-0324 demonstra melhorias significativas em relação ao seu antecessor, o DeepSeek-V3, em várias áreas importantes.

• As habilidades de raciocínio são aprimoradas:
  • MMLU-Pro: 75,9 → 81,2 (+5,3)
  • GPQA: 59,1 → 68,4 (+9,3)
  • AIME: 39,6 → 59,4 (+19,8)
  • LiveCodeBench: 39,2 → 49,2 (+10,0)
• Recursos aprimorados de desenvolvimento web front-end:
  • Aprimoramento da execução de código
  • Os front-ends da Web e de jogos são esteticamente mais agradáveis
• Aprimoramento das habilidades de escrita em chinês:
  • A qualidade do estilo e do conteúdo melhorou:
    • Mais próximo do estilo de escrita do R1
    • Maior qualidade da redação de tamanho médio
  • aprimoramento funcional
    • Recurso aprimorado de reescrita interativa em várias rodadas
    • Qualidade da tradução e da correspondência otimizada
• Aprimoramento da capacidade de pesquisa chinesa:
  • Saída mais detalhada das solicitações de análise de relatórios
• Função Função de chamada aprimorada:
  • Chamada de função Precisão aprimorada, correção de problemas herdados da versão V3

Recomendações de uso

Prompt do sistema

Os mesmos alertas do sistema com datas específicas são usados no aplicativo Web oficial do DeepSeek.

该助手为DeepSeek Chat，由深度求索公司创造。
今天是{current date}。

Exemplo:

该助手为DeepSeek Chat，由深度求索公司创造。
今天是3月24日，星期一。

Configuração do parâmetro de temperatura

Nos ambientes da Web e de aplicativos do DeepSeek, o parâmetro de temperatura (T_modeloConsiderando que muitos usuários usam a temperatura padrão de 1,0 nas chamadas da API, o DeepSeek implementou a temperatura da API (T_API) que ajusta o valor da temperatura de entrada da API de 1,0 para a configuração de temperatura do modelo mais adequada de 0,3.

T_modelo = T_API × 0.3 (0 ≤ T_API ≤ 1)

T_modelo = T_API - 0.7 (1 < T_API ≤ 2)

Portanto, se você chamar V3 por meio da API, a temperatura 1,0 corresponde à temperatura do modelo 0,3.

Prompts para uploads de arquivos e pesquisas na Web

Para uploads de arquivos, crie prompts seguindo o modelo abaixo, onde {file_name}e{file_content} responder cantando {question} como um parâmetro.

file_template = \
"""[file name]: {file_name}
[file content begin]
{file_content}
[file content end]
{question}"""

Para pesquisas na Web.{search_results}e{cur_date} responder cantando {question} como um parâmetro.

Consulta chinesa Prompt:

search_answer_zh_template = \
'''# 以下内容是基于用户发送的消息的搜索结果:
{search_results}
在我给你的搜索结果中，每个结果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文，请列出所有相关的引用编号，例如[citation:3][citation:5]，切记不要将引用集中在最后返回引用编号，而是在答案对应部分列出。
在回答时，请注意以下几点：
- 今天是{cur_date}。
- 并非搜索结果的所有内容都与用户的问题密切相关，你需要结合问题，对搜索结果进行甄别、筛选。
- 对于列举类的问题（如列举所有航班信息），尽量将答案控制在10个要点以内，并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项；如非必要，不要主动告诉用户搜索结果未提供的内容。
- 对于创作类的问题（如写论文），请务必在正文的段落中引用对应的参考编号，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解读并概括用户的题目要求，选择合适的格式，充分利用搜索结果并抽取重要信息，生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长，对于每一个要点的论述要推测用户的意图，给出尽可能多角度的回答要点，且务必信息量大、论述详尽。
- 如果回答很长，请尽量结构化、分段落总结。如果需要分点作答，尽量控制在5个点以内，并合并相关的内容。
- 对于客观类的问答，如果问题的答案非常简短，可以适当补充一到两句相关信息，以丰富内容。
- 你需要根据用户要求和回答内容选择合适、美观的回答格式，确保可读性强。
- 你的回答应该综合多个相关网页来回答，不能重复引用一个网页。
- 除非用户要求，否则你回答的语言需要和用户提问的语言保持一致。
# 用户消息为：
{question}'''

English enquiry Prompt:

search_answer_en_template = \
'''# The following contents are the search results related to the user's message:
{search_results}
In the search results I provide to you, each result is formatted as [webpage X begin]...[webpage X end], where X represents the numerical index of each article. Please cite the context at the end of the relevant sentence when appropriate. Use the citation format [citation:X] in the corresponding part of your answer. If a sentence is derived from multiple contexts, list all relevant citation numbers, such as [citation:3][citation:5]. Be sure not to cluster all citations at the end; instead, include them in the corresponding parts of the answer.
When responding, please keep the following points in mind:
- Today is {cur_date}.
- Not all content in the search results is closely related to the user's question. You need to evaluate and filter the search results based on the question.
- For listing-type questions (e.g., listing all flight information), try to limit the answer to 10 key points and inform the user that they can refer to the search sources for complete information. Prioritize providing the most complete and relevant items in the list. Avoid mentioning content not provided in the search results unless necessary.
- For creative tasks (e.g., writing an essay), ensure that references are cited within the body of the text, such as [citation:3][citation:5], rather than only at the end of the text. You need to interpret and summarize the user's requirements, choose an appropriate format, fully utilize the search results, extract key information, and generate an answer that is insightful, creative, and professional. Extend the length of your response as much as possible, addressing each point in detail and from multiple perspectives, ensuring the content is rich and thorough.
- If the response is lengthy, structure it well and summarize it in paragraphs. If a point-by-point format is needed, try to limit it to 5 points and merge related content.
- For objective Q&A, if the answer is very brief, you may add one or two related sentences to enrich the content.
- Choose an appropriate and visually appealing format for your response based on the user's requirements and the content of the answer, ensuring strong readability.
- Your answer should synthesize information from multiple relevant webpages and avoid repeatedly citing the same webpage.
- Unless the user requests otherwise, your response should be in the same language as the user's question.
# The user's message is:
{question}'''

Métodos de execução local

A estrutura do modelo do DeepSeek-V3-0324 é idêntica à do DeepSeek-V3. Para obter mais informações sobre como executar esse modelo localmente, visite o site DeepSeek-V3 Repositório de código.

O modelo oferece suporte a recursos como Chamada de função, saída JSON e preenchimento de FIM. Para obter instruções sobre como criar prompts para usar esses recursos, consulte a seção DeepSeek-V2.5 Repositório de código.

O DeepSeek-V3-0324 é uma atualização discreta que atraiu muita atenção no mundo da tecnologia. Ele fez avanços impressionantes em seus recursos de codificação, não apenas mostrando força em várias tarefas de programação, mas, de certa forma, rivalizando com os principais modelos, como o Claude 3.5/3.7 Sonnet. Sua natureza de código aberto, eficiente e econômica é um bom presságio para o futuro. A era da universalidade da programação de IA pode estar se acelerando DeepSeek. À medida que mais plataformas de terceiros forem conectadas à nova versão V3 do DeepSeek, os desenvolvedores e usuários poderão experimentar recursos avançados de programação de IA a um custo menor. Isso, sem dúvida, injetará nova vitalidade em todo o ecossistema de IA e impulsionará o surgimento de aplicativos mais inovadores. Com a poderosa capacidade de código V3 e a capacidade de raciocínio superior R1, vale a pena esperar pelo futuro modelo R2 do DeepSeek.

Essa atualização do DeepSeekV3 prova mais uma vez que a tecnologia de IA da China está se desenvolvendo e se recuperando rapidamente. A estratégia de código aberto e de licenciamento comercial gratuito do DeepSeek-V3-0324, sem dúvida, atrairá mais desenvolvedores e empresas para se juntarem ao desenvolvimento de aplicativos de IA e, em conjunto, promoverão o progresso e a popularidade da tecnologia de IA.