中國銀河維持計算機推薦評級：國產開源MoE模型DeepSeek-V2性能媲美GPT-4，大模型價格戰拉開帷幕

每經AI快訊，中國銀河05月13日發佈研報稱：維持計算機推薦（維持）評級。

事件：5月7日，知名私募巨頭幻方量化旗下的AI公司DeepSeek發佈全新第二代MoE大模型DeepSeek-V2。

性能直逼GPT-4Turbo，綜合能力位於大模型第一梯隊：DeepSeek-V2是一個參數爲2360億的MoE模型，每個token僅激活210億參數，支持128K的上下文長度。1）縱向對比：對比去年11月發佈的DeepSeek67B性能取得顯著提升，訓練成本節省了42.5%，KV緩存減少了93.3%，最大生成吞吐量提高到了5.76倍。2）橫向對比：上下文長度對標GPT-4Turbo（128K）；中文綜合能力（AlignBench）超越Llama3，在開源模型中表現最強，與文心4.0等閉源模型在評測中處於同一梯隊，僅次於GPT-4Turbo；英文綜合能力（MT-Bench）與最強的開源模型LLaMA3-70B處於同一梯隊，超過MoE開源模型Mixtral8x22B。此外在知識、數學、推理、代碼等方面也有出色的性能。

DeepSeek-V2訓練計算量降低，推理能力表現高效：DeepSeek-V2訓練數據集是由8.1Ttoken的高質量、多源預訓練語料庫組成，採用的Transformer架構中由一個注意力模塊和一個前饋網絡（FFN）組成，並且在注意力機制和FFN方面採用了創新架構：一方面設計了MLA（Multi-headLatentAttention）利用低秩鍵值聯合壓縮來消除推理時鍵值緩存的瓶頸，DeepSeek-V2消耗的顯存（KVCache）只有同級別Dense模型的1/5-1/100，每token成本大幅降低；另一方面，FFN採用高性能MoE架構DeepSeekMoE，以經濟的成本訓練強大的模型。我們認爲，DeepSeek-V2大幅提升訓練效率，訓練所需計算量約爲GPT-4的1/20，但性能基本上相差無幾，目前來看參數是影響大模型性能的關鍵因素之一，除此之外，架構優化能有效提升降低訓練成本，提升訓練效率，將成爲另一個影響大模型性能的關鍵因素。

API價格降至約GPT-4Turbo百分之一，大模型價格戰即將拉開帷幕，利好AI應用層快速滲透：目前DeepSeek-V2API定價爲每百萬token輸入1元、輸出2元（32K上下文），幾乎低於所有市面上主流大模型價格，約爲GPT-4Turbo的1/100。我們認爲，DeepSeek-V2提升數據集質量及優化架構，成本大幅降低，在價格方面提升競爭力，大模型將逐漸進入價格戰時期，AI應用將快速滲透。

風險提示：技術研發進度不及預期風險；供應鏈風險；政策推進不及預期風險；消費需求不及預期風險；行業競爭加劇風險。

每經頭條（nbdtoutiao）——大手筆！接盤王健林的萬達電影后，知名80後富豪又出手收購字節遊戲資產！背後是騰訊？

(記者 胡玲)

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請覈實。據此操作，風險自擔。