2024年AI界震惊！DeepSeek V3竟自曝身份为ChatGPT

AI巨头DeepSeek V3惊艳亮相！ChatGPT真实身份曝光，引发行业热议

科技快讯中文网

　　 这两天，大模型领域的焦点非DeepSeekV3莫属。这款最新发布的产品无疑在技术上取得了显著进步，引发了业界内外的高度关注。它不仅展示了人工智能在自然语言处理方面的巨大潜力，还可能预示着未来技术发展的新方向。对于DeepSeekV3的推出，人们普遍持乐观态度，认为它将在多个领域带来革命性的变化。当然，随之而来的也有对数据安全和隐私保护的担忧。无论如何，这次发布无疑为大模型技术的发展注入了新的活力，值得我们持续关注其后续进展。

　　 在网友们纷纷进行测试之际，一个技术漏洞迅速成为热议话题—— 这个bug不仅暴露了系统设计中的潜在缺陷，还引发了公众对软件质量控制的关注。随着技术的不断进步，这样的漏洞提醒我们，尽管科技带来了诸多便利，但其背后的安全性和稳定性仍需持续关注和改进。

　　 只是少了一个问号，DeepSeek V3竟然称自己是ChatGPT。

　　 甚至让它讲个笑话，生成的结果也是跟ChatGPT一样：

　　 加之DeepSeekV3这次爆火的一个亮点，就是其训练成本仅为557.6万美元。 请注意，由于要求保持数据和固定表达不变，实际修改内容较少。主要调整了句子结构以符合要求。

　　 于是乎，有人开始怀疑了：它难道不是基于ChatGPT的输出进行训练的吗？

　　 好巧不巧，Altman也发了一个状态，似乎在暗讽着什么……

　　 不过DeepSeek V3并非是第一个出现“报错家门”的大模型。

　　 例如Gemini就曾说过自己是百度的文心一言……

　　 那么这到底是怎么一回事？为什么DeepSeek V3报错家门？

　　 首先需要指出的是，根据目前网友们整体讨论的观点来看，DeepSeekV3似乎并非基于ChatGPT的输出进行训练。

　　 正如网友RileyGoodside所总结的那样，ChatGPT的影响随处可见。

　　 即便DeepSeek V3故意用ChatGPT的输出做了训练，但这并不重要。

　　 所有在ChatGPT之后出现的大模型，几乎都见过它。

　　 例如ShareGPT，一个并不新颖的ChatGPT对话数据集，许多研究者已经尝试在其基础上与其他ChatGPT数据源进行模型微调。然而，即便如此，也未能达到DeepSeekV3这样高级别大模型的水平。

　　 紧接着，Riley Goodside又拿出了DeepSeek V3报告中的一些证据：

　　 而且，如果使用了ChatGPT的数据，那么关于DeepSeekV3质量的一些疑问就无法得到合理的解释。 （保持了原意且未改变主体内容，时间也未做修改）

　　 例如Pile测试（基础模型压缩Pile的效果），DeepSeekV3的表现几乎与Llama3.1405B持平，这一点与其是否接触过ChatGPT数据并无关联。

　　 报告显示，95%的GPU-hours用于预训练基础模型。即使与ChatGPT的数据相关，这部分工作也主要发生在后续的后训练阶段（约占5%）。

　　 而比起用没用ChatGPT数据，或许我们应当更加关注的是为什么大模型会频繁出现“报错家门”的问题。

　　 TechCrunch针对这个问题给出了一句犀利的点评：

　　 因为AI公司们获取数据的地方——网络，正在充斥着AI垃圾。

　　 最终，欧盟的一份报告曾预测，到2026年，90%的在线内容可能是由AI生成的。

　　 这种“AI污染”就会让“训练数据彻底过滤AI的输出”变得困难。

　　 AI Now Institute的首席科学家Heidy Khlaaf则表示：

　　 尽管面临一定的风险，开发人员仍然被从现有AI模型中“蒸馏”知识所带来的成本节约所吸引。这种技术不仅能够显著降低开发成本，还能加速产品上市时间，使得企业在激烈的市场竞争中占据优势。然而，随之而来的数据安全和隐私保护问题也不容忽视，如何在追求效率的同时确保这些关键因素的安全性，将是未来发展中需要重点关注的问题。 当前，随着AI技术的不断进步，利用已有模型的知识蒸馏成为一种趋势。这种方法通过训练一个更小、更高效的模型来复制更大模型的行为，从而在保证性能的同时降低了计算资源的需求。尽管如此，开发人员仍需谨慎对待潜在的风险，特别是在处理敏感数据时，必须采取严格的安全措施以防止数据泄露。此外，还需要建立完善的监管机制，确保这一技术的健康发展，避免可能带来的负面影响。

　　 意外地在ChatGPT或GPT-4输出上进行训练的模型，也可能不会表现出类似OpenAI定制消息的特征。这表明即使模型接触到特定的数据集，它们的表现和输出结果仍然存在不确定性。这种现象引发了对于机器学习模型训练过程的进一步思考：即便我们能够控制输入数据，但如何确保模型的输出符合预期仍然是一个挑战。这也提醒我们在使用这些技术时需要更加谨慎，并且要对可能出现的不可预测性有所准备。

　　 针对网友们热议的问题，量子位进行了一次实测，结果显示DeepSeekV3目前仍未能解决这一bug。

　　 依旧是少了个问号，回答结果会不一样：

　　 DeepSeek V3更多玩法

　　 不过有一说一，绝大部分网友对于DeepSeek V3的能力是给予了大大的肯定。

　　 从各路AI大佬们集体直呼“优雅”中就能印证这一点。

　　 而就在这两天，网友们陆续晒出了更多DeepSeek V3加持的实用玩法。

　　 近日，有网友将DeepSeekV3和ClaudeSonnet3.5进行了一番比较，在ScrollHub平台上分别使用这两款工具创建了各自的网站。这一举动引发了广泛的关注和讨论。从技术角度来看，这两款工具各有千秋。DeepSeekV3在搜索和信息提取方面表现出色，而ClaudeSonnet3.5则在自然语言理解和生成方面更为突出。这种对比不仅展示了人工智能技术在不同领域的应用潜力，也反映了当前AI技术发展的多元化趋势。未来，随着技术的进步，我们有理由相信这些工具将在更多场景中发挥更大的作用，为用户提供更加丰富和便捷的服务体验。 这一现象表明，人工智能技术正在逐步渗透到我们的日常生活中，并且在不断推动着创新与变革。同时，这也提醒我们在享受技术带来的便利时，也需要关注其可能带来的挑战和风险，如隐私保护、伦理道德等问题，需要社会各界共同努力，以确保技术健康、可持续地发展。

　　 博主在测试之后，认为DeepSeek V3完全胜出！

　　 还有网友分享了用DeepSeek V3在AI视频编辑器中的体验。

　　 他表示以后不必再在FFMPEG命令上耗费时间了，DeepSeekV3不仅免费，还将改变你的工作流程。

　　 AI编程神器Cursor也能跟DeepSeek V3结合，来看一个做贪吃蛇的案例。

　　 嗯，DeepSeek V3是有点好用在身上的。

　　 One More Thing

　　 对于此前公布的53页论文，有网友不仅关注到了其中的技术细节，还注意到一个非技术性的细节—— 这一现象引发了广泛讨论。一方面，这表明公众对专业领域的关注度在不断提升，越来越多的人开始尝试从不同角度理解和分析复杂的问题。另一方面，这也反映出当前信息传播的特点，即任何细微之处都可能成为舆论的焦点。在信息爆炸的时代，如何有效筛选和理解这些信息，成为了一个值得深思的问题。

　　 贡献列表中，不仅展示了技术人员的身影，还特别强调了数据注释员以及商务人员的重要贡献。这表明在现代科技项目中，每一个环节和每一份努力都是不可或缺的。无论是编写代码的技术人员，还是细致标注数据的专业人员，亦或是负责战略规划的商务团队，他们的协作与配合共同推动了项目的成功。 这种全面展示各个岗位角色的做法值得肯定，它提醒我们，在快速发展的科技领域，每个团队成员的贡献都同样重要，只有大家齐心协力，才能实现更大的突破。

　　 网友认为这种做法非常符合DeepSeek的调性：

　　 参考链接：

　　 [1]https://techcrunch.com/2024/12/27/why-deepseeks-new-ai-model-thinks-its-chatgpt/

　　 [2]https://x.com/victormustar/status/1872647314231398524

　　 [3]https://x.com/breckyunits/status/1872422078592516295

　　 [4]https://x.com/op7418/status/1872689338242482203

　　 [5]https://x.com/goodside/status/1872911457857208596

　　 [6]https://x.com/kevinsxu/status/1873146905846530472