DeepSeek3-0324 Lmarena评分出来了 250401 02:39更新
综合榜比DeepSeek3提升了52分，在非推理模型中名列前茅。
性能类似r1，期待r2的表现，应该能比r1提升几十分
综合
前端编程
编程
AIder编程评分
非推理模型就与非推理模型比（图里用红线划掉了推理模型），DeepSeek3-0324仅次于3.7非推理版，高于claude3.5，gpt4.5，gemini2.0pro这些非推理模型
因为编程消耗token量巨大，推理模型又慢又贵，编程场景下，大多数都是用非推理模型
DeepSeek的迭代速度，明显高于美国模型，进步很快，仅仅距离v3发布间隔不到3个月，就有了比较大的进步
v3-0324底模性能，与25年Q1这批顶级非推理模型是同一梯队的，如Grok3/GPT4.5/Claude3.7/Genimi2.0pro
但是成本有着巨大优势
r2应该很快了，r1大概是在DeepSeek v3-1226之后20多天上线的
编程比过不3.7，也正常，毕竟claude专门为编程优化，就是靠编程吃饭的，其他openai，gemini，meta，qwen编程也比不过claude。DeepSeek能追到第二已经很好了，慢慢追，不着急
v3-0324的分数，已经接近于推理r1了，可以预见r2出来后，很可能也是推理模型里，分数仅次于3.7-thinking-32k的
我很欣赏DeepSeek低调务实的态度，抓重点的能力
v3-0324自称是"小更新"，没有发布会，没有新闻稿，官方X都没发推，甚至官网没有单独的一个页面，没有直播，没有视频，没有“圣诞老人”，没有各种采访（与Sam是两个极端），没有用v4.0，v3.5，甚至v3.1的名字，没有“最贵所以最好”，没有"博士级别”，没有“高情商”，没有“我们即将实现AGI”，没有"地球上最聪明的AI"，没有粗口能力做噱头。除了实打实的性能提升，啥tm也没有
链接：Aider LLM Leaderboards | aider
官方发的评测与3.7，4.5对比
链接：Change Log | DeepSeek API Docs
对比DeepSeek-v3-1226，提升明显
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）
Livebench（佬友测的，非官方）
总分在非推理模型排第一，接近推理的r1
链接：跑了一下 DeepSeek-V3-0324 的 LiveBench 结果
Artificial Analysis的评测
链接：https://artificialanalysis.ai/
Misguided Attention Eval（误导性注意力评估）
Deep research v3 0324在Misguided Attention Eval中的分数大幅提升了
项目地址：GitHub - cpldcpu/MisguidedAttention: A collection of prompts to challenge the reasoning abilities of large language models in presence of misguiding information
Fiction.live长上下文衰减评测 250326 21:20更新
DeepSeek3-0324在32k和60k上，比DeepSeek3-241226，都有很大提升
已经达到非推理模型中的前列水平，仅次于4.5，强于3.7非推理版，2.0pro，2.0flash等
OpenRouter的免费Deepseek v3 0324 API
链接：OpenRouter
