自 DeepSeek-V2.5 于9月6日正式发布，新一代模型 DeepSeek-V3 又于 12 月 26 日上线并同步开源，迭代速速杠杠的快。
DeepSeek-V3 是一个强大的 Mixture-of-Experts (MoE) 语言模型，拥有 671B 总参数，其中每个token激活 37B 参数，在 14.8万亿 token上进行了预训练。
相比 V2.5 版本，DeepSeek-V3 的生成速度提升至 3 倍，每秒吞吐量高达 60 token。
DeepSeek-V3 采用多头潜在注意力和 DeepSeekMoE 架构，经过多阶段的预训练和微调，展现出卓越的性能。
虽然当前版本暂不支持多模态输入输出，但在多语言处理方面表现出色，尤其在算法代码和数学方面。
DeepSeek-V3 在多种标准基准测试中表现优异，尤其在数学和代码任务上表现突出。
Hugging Face 模型库： https://huggingface.co/deepseek-ai/DeepSeek-V3
12 月 26 日，腾讯研究院最新推出了 DRT-o1 系列模型，包含两个版本：DRT-o1-7B 和 DRT-o1-14B，主要通过长思维链（long chain-of-thought，简称 CoT），更能理解比喻和隐喻等，从而提高文学作品的翻译质量。
DRT-o1 基于 Qwen2.5 进行构建，通过从现有文学书籍中挖掘带有明喻或隐喻的英文句子，设计了一个包含翻译者、顾问和评估者的多代理框架，以合成长链推理的机器翻译样本。
图：DRT-o1设计了一个包含翻译者、顾问和评估者的多代理框架
DRT-o1-7B 的 BLEU 得分提高了 8.26 分，COMET 得分提高了 3.36 分，优于其前身 Qwen2.5-7B-Instruct。
DRT-o1-14B 同样表现出色，BLEU 得分提升了 7.33 分，COMET 得分提升了 1.66 分。
阿里云通义千问开源多模态推理模型 QVQ-72B-Preview，在数学、物理等领域表现出色
12 月 25 日，阿里云通义千问Qwen团队推出了全新的视觉推理大模型——QVQ-72B-Preview。
作为业界首个开源多模态推理模型，QVQ-72B-Preview 的优势在视觉理解和推理能力，在解决数学、物理、科学等领域的复杂推理问题上表现尤为突出。目前，开发者可在魔搭社区和HuggingFace平台上直接体验。
QVQ-72B-Preview 在 MMMU 基准测试中取得了 70.3 的分数，显著超越了此前的视觉理解模型「开源王者」 Qwen2-VL-72B-Instruct。
此外，在剩下的三个专注于数学和科学问题的基准测试中，QVQ-72B-Preview 表现出色，有效缩小了与领先的最先进的 OpenAI o1 模型之间的差距，与 Claude3.5 Sonnet等推理模型相当。
