最近，来自杭州的深度求索发布了第二代开源MoE模型DeepSeek-V2，从各项指标来看，都具备了领先水平，无论与开源模型，还是闭源模型对比，都处于第一梯队，是GPT-4, 文心4.0, Qwen1.5 72B, LLaMA3 70B等先进大模型的有力竞争对手。本文就来介绍一下。

参数规模与性能

DeepSeek-V2包含236B（十亿）参数，每个Token激活2.1B参数，支持长达128K的上下文长度。在性能上，它与GPT-4-Turbo、文心4.0等闭源模型在中文综合能力评测中处于同一梯队，英文综合能力与开源模型LLaMA3-70B处于同一梯队。

上下文长度

开源模型支持长达128K的上下文长度，而聊天和API支持32K的上下文长度，有助于处理需要大量上下文信息的复杂任务。

中文能力

中文综合能力（AlignBench）开源模型中最强，与 GPT-4-Turbo，文心 4.0 等闭源模型在评测中处于同一梯队。

编程能力

擅长编程任务和逻辑推理，适用于技术领域和需要复杂决策的应用场景。从官方把coder放在突出位置，就可以看出团队对自家大模型编程能力的自信。

API价格

DeepSeek-V2的API定价为每百万输入Tokens 1元（0.14美元），每百万输出Tokens 2元（0.28美元），具有竞争力的价格。

模型架构

DeepSeek-V2采用了MoE架构，特别是它对Transformer架构中的自注意力机制进行了创新，提出了MLA（Multi-head Latent Attention）结构，并使用MoE技术进一步降低计算量，提高推理效率。

商用

开源协议为MIT，且注明了V2系列支持商用。

结语

具有极强的价格竞争力，以及看上去不错的数据表现，让我对这家公司有了兴趣，经过了解后，发现，这家公司是幻方旗下的独立公司，幻方本身是做AI量化投资的，做着做着发现AI这块大有可为，独立了一块业务，成立了新品牌做大模型，以及探索各种可能性。在当前主流的大模型服务中，我认为要具备以下几点才能称得上好模型：1. 开源，2. 价格低，3. 对中文的理解能力强，4. 在架构上支持更大的上下文窗口和更牛的性能。抛开国外的知名模型不提，从感情上，我是比较支持国内的优秀模型，在AI领域出现更多可在中文语境下创作的AI应用，既能让普通开发者以更低的成本进入AI赛道，也可以让更多的普通人享受AI带来的便利。

点击下方公众号卡片，关注我
在公众号对话框，回复关键字“1024”
有惊喜