DeepSeek：开源与闭源模型的差距反而扩大了！

主要观点总结

本文讨论了DeepSeek新推出的两款模型与闭源模型（如Google的模型）在性能上的差距以及开源模型所面临的挑战。文章指出闭源模型在架构、资源分配和人工智能代理方面的优势，以及开源模型在这三个方面的不足。同时，文章也提到了开源模型的优势，如互相学习借鉴和应用普及速度快等。

关键观点总结

关键观点1: 闭源模型与开源模型的性能差距

闭源模型在架构、资源分配和人工智能代理方面的优势使得其性能提升速度更快，与开源模型的性能差距在扩大。专有系统在复杂任务中表现出越来越优越的能力。

关键观点2: DeepSeek新模型的特点

DeepSeek上新了两款模型，但在技术报告中也指出了开源社区在进展中面临的挑战。

关键观点3: 闭源模型的优势

闭源模型在解决长序列处理效率、后训练阶段计算投入不足和泛化能力滞后等问题上，通过架构创新、高成本算力和数据优化等方式取得了优势。

关键观点4: 开源模型的优势和挑战

开源模型可以互相学习借鉴，应用普及速度快，但面临架构、资源分配和人工智能代理方面的挑战。

关键观点5: 国内模型的发展

国内模型在面对国外对手大量资金投入的情况下仍能达到现有水平已经很了不起，未来还需在物理层面（如云厂商和芯片的支持）上有更大的突破。