好尖锐的话题

碎碎念：这个话题需要原创三篇？这个要求有点高，要好好深挖deepseek😁😎在各领域应用的实际反馈情况了！始终下入门线徘徊的我们，不配大言不惭，哈哈哈🤣学习！继续学习！

这个话题曾经在某音上刷到过，就是让deepseek自己来回答，让他用比较敏感不怎么友好的角度，去分析他们之间的参数比和优劣差等。回答的还是非常到位的，让我回忆一下！

要比较，应该先深度剖析下deepseek到底好在哪里，优势根本在哪里？

deep1

deep2

简单来说，DeepSeek优势在于开发高性能、低成本以及开源。他在架构、工程设计上进行了创新和工艺提升，实现了效率优化。架构上，采用了混合专家模型 、多头潜注意力 、多令牌预测 、长链式推理、DualPipe 算法等设计，并进行了依赖强化学习 (RL) 而不加入监督微调 (SFT) 的训练尝试（这个才是关键！）。在数据精度 (FP8 混合精度)、底层通信等方面进行了优化。

这种的高性价比和开源特性，可以使个人用户和中小企业在使用时成本较低。而且相比其他模型，DeepSeek的各项测评得分都还不错，并且用的开发的成本很低。何乐而不为？

deep3

ChatGPT的核心架构是Transformer，是一种深度神经网络结构。当模型接收到用户输入的问题时，会对输入的信息进行编码和分析、理解其含义和意图，然后基于已学的知识和模式开始生成响应。设想一下两者得运作模式流程，显然deepseek更快更高效！