个人的一些思考，请大家批评指正。
这个问题，首先当然是在恰当的时间出现，模型性能跻身世界一流，又开源，戳破了OpenAI和英伟达潜心构造的叙事逻辑。
DeepSeek为什么强？四个方面：模型的智能水平、训练成本、推理成本和用户体验。
一、DeepSeek的智能水平
DeepSeek V3的智能水平，技术报告展现的性能对比图：
是什么导致了DeepSeek的模型性能，是模型架构吗？MoE、MLA这些？或许有一点关系，但是应该不是主要因素，决定模型性能的，主要应该是DeepSeek没有开源的内容------数据集以及训练时的数据配比。
去年看到OpenAI的一名员工的博客，内容摘录如下：
数据即模型！来自 OpenAI 模型炼丹师的 insight！人脑也是一样，其思想无限逼近于其接收到的信息；你灌输什么，他就呈现什么！
作者在 OpenAI 工作近一年，观察到生成模型的训练过程显示模型行为主要由数据集决定，而非架构、超参数或优化器选择。
🎯 Key Points
-
作者训练了大量生成模型；
-
观察到所有训练运行之间存在相似性；
-
模型高度逼近其数据集，学习到的不仅是狗或猫的概念，还有不重要的分布间隙；
-
在相同数据集上训练足够长时间，任何具有足够权重和训练时间的模型都会收敛到相同点；
-
大型扩散卷积网络和 ViT 生成器会生成相同的图像；
-
自回归采样和扩散方法也会生成相同的图像；
-
这表明模型行为不由架构、超参数或优化器选择决定，而是由数据集决定；
-
其他因素只是有效地将计算交付给逼近数据集的手段；
-
当提到"Lambda"、"ChatGPT"、"Bard"或"Claude"时，指的是数据集，而不是模型权重。
LLM预训练scaling law的发展，一开始强调模型要大，然后是数据要多，再后来就是强调数据的质量。数据质量方面，一方面是强调数据质量，通过专家撰写高质量数据、以及各种数据筛选方法和工具，保证数据质量是第一位的；第二方面，不断增加数学、逻辑、代码等能够提升大模型理性能力的数据配比比例，尤其在模型训练退火阶段，调整数据混合配比，增加高质量数据等等。
总之，我的猜测，DeepSeek V3的性能好，主要是因为数据集的原因。
DeepSeek R1的性能好，首先来源于DeepSeek V3底座模型的能力够，其次是DeepSeek R1成功摸索了一套RL方法，另外，推理成本低也会导致推理的性能增强。
二、DeepSeek的训练成本和推理成本
DeepSeek V3的训练成本，那个600万美金，从一开始，我的观点就是听听得了，只是成功训练一次的成本，不包括数据集、探索以及人力成本。AI这个事，可能最费劲的是数据集，相比数据，训练应该在其次。当然，不可否认，DeepSeek的训练成本确实低，这个确实是因为模型架构、以及训练方法。DeepSeek的训练成本低，主要是MoE和训练的低精度技术。MLA并不降低训练成本，只是推理成本低。模型的MTP，主要作用是训练更加稳定，当然，训练稳定了训练成本也会更低，细看DeepSeek V3的技术报告，看不出MTP提升模型性能，尤其的最大尺寸的模型性能。LLM的训练是一个细致活，还有其他的因素，包括PTX的使用、通信的优化等等。
DeepSeek V3的推理成本低，模型架构中的MLA、MoE和MTP等技术，应该均有贡献。
三、DeepSeek的用户体验
DeepSeek的用户体验方面嘛。首先说，时尚这个东西，之所以称为时尚，就在于难于预测。体验首先来自民心，DeepSeek撼动了美国AI界，提升了国人信心，就已经获得了最大民心。
对于用户体验，具体来说，看到有说DeepSeek说话犀利、有情绪价值，不像机器人，更像人。网上关于周鸿祎、以及为什么DeepSeek来自初创公司而不是互联网大厂这些问题，我也试了，确实可以复刻，确实犀利，敢说！但是呢，这里的原因，恐怕不是因为模型的智能水平，而是模型的最后的对齐方面，在模型的后训练方面，模型的输出对齐到了这种风格。也说明DeepSeek团队确实有性格。但是，这种风格，对于其他的LLM团队，应该不难，只是敢不敢愿不愿的问题。