DeepSeek真的超越了OpenAI吗？

发表于 2025-4-8 11:53:02

内容提要：

为了进一步检测AI工具的智商，三郎提出“中国对美国商品出口金额为什么大于美国从中国商品进口金额”来同步比较Deepseek v3与openai o3-mini的深度思考能力。结果显示，对三郎第一个问题，两者回答基本相同。但对第二个和第三个问题，Deepseek无法回答，Openai却给出了详细答案。当然，两者对第一个问题的回答，都错得离谱。

AI一思考，上帝就发笑之二：三郎与Deepseek探讨中国对美国商品出口金额大于美国从中国商品进口金额的问题。
2月2日，deepseek风头正劲的时候，我发了一篇《围观：与deepseek激辩2000元大于3000美元的张维为不等式》，认为deepseek至少在经济学分析基本框架和论证的基本逻辑上，与经济研究人员存在很大的差距。但他一套套的八股文模板，对非专业经济研究人员而言，具有极大的迷惑性，甚至欺骗性。

当时一些人提出批评意见，主要集中在两个方面：
一是说我问错了，这个不等式是陈平提出的，而非张维为。说实话，原本就是要测试deepseek的智商，实际上读者能够分辨出的张冠李戴，但deepseek却无法分辨。因此不要责怪我错了，要问问你们热捧的世界领先的deepseek为何没有分辨出对错。
二是说我只问了deepseek，没有问Openai。不是我没问，是它的回答我不能公布，公布了文章你就看不到了。
为了进一步检测Deepseek v3的智商，三郎挑了个不那么敏感的话题--中国对美国商品出口金额为什么大于美国从中国商品进口金额？
同步比较Deepseek v3与Openai o3-mini的深度思考能力。顺便也与大家共同探讨一下这个问题的成因，以及目前的人工智能、大数据模型的本质。
一、三郎的第一个问题。

2023年，中国海关公布对美国商品出口5003亿美元，从美国进口1642亿美元。但同年美国经济分析局公布的从中国进口为4272亿美元，比中国海关的数据少14.6%。对中国出口1478亿美元，比中国海关数据少10%。
我们知道，国际贸易的到岸价值应该比离岸价值高，因为中间包括了运费、保险费等费用。因此，从逻辑上看，中国海关公布的从美国进口1642亿美元，比美国经济分析局公布的从中国进口1478亿美元，多11.1%，这是符合逻辑的。
问题来了，美国经济分析局公布的从中国进口为4272亿美元，却比中国海关公布的对美国出口的5003亿美元少14.6%，这不可思议的数据差异，是什么原因造成的？
二、deepseek v3对第一个问题的回答。

省略deepseek已深度思考部分。
之后，deepseek回答说：中美贸易数据差异主要源于统计方法、贸易路径及数据处理的系统性差异，具体原因可分解如下：
一是统计口径差异：计价方式与覆盖范围

FOB与CIF的错位使用

中国出口数据5003亿美元是货物离开中国港口时的价值（FOB离岸价），未包含国际运费和保险费。美国进口数据4272亿美元是CIF到岸价，理论上应高于FOB价，但因美国海关采用含关税和清关成本“进口报关价值”，可能扣除部分中间费用，导致数值低于预期。

原产地规则的分歧

美国“实质性转型”标准：若中国商品经第三国加工后被美国视为第三国原产，则美国进口数据不再计入中国出口。中国“最终目的地”统计：中国海关按商品最终流向统计出口，即便通过第三国转口，仍计入对美出口。

二是转口贸易的路径扭曲

规避关税的转口策略

中美贸易摩擦后，中国企业通过东南亚或墨西哥中转出口美国，以规避高关税。例如：
结果：中国统计的对美出口包含转口商品（5003亿），而美国仅统计直接进口部分（4272亿），差额达731亿美元。

香港的特殊角色

香港作为自由港，中国出口至香港的商品若最终流向美国，中国海关可能根据**“已知最终目的地”**将其计入对美出口。而美国海关按原产地规则，可能将部分商品视为“香港转口”而非中国原产。
三是数据调整与处理差异

汇率折算与时间差
退货与数据修正

四是灰色贸易与申报差异

企业行为影响数据真实性

中国出口高报：为获取更高出口退税，企业可能虚增货值。
美国进口低报：为降低关税成本，进口商可能低报货值或拆分为多批小额货物申报。
灰色渠道：跨境电商、小额包裹可能未被美国海关完全统计。
五是政策与外部环境因素

中美贸易战的结构性影响

美国对华加征关税迫使企业调整供应链，通过第三国“洗产地”出口，进一步扩大统计差异。美国商务部2023年加强对“中国原产”审查，导致部分商品被重新归类为第三国进口。

数据发布机制差异

中国海关数据基于企业申报的实时汇总，而美国经济分析局数据需经过季度调整和修订，存在滞后性。
六是历史对比与异常点验证

2018年数据：中国对美出口4784亿美元（FOB），美国从华进口5395亿美元（CIF），差额12.7%，符合传统逻辑。
2023年反转：中国数据反超美国，主因转口贸易激增及美国原产地规则收紧，导致“统计性脱钩”。

三、三郎追问第二个问题“转口贸易问题”和第三个问题“电商与小额包裹问题”，deepseek直接摆烂，拒绝回答。

三郎追问第二个问题：
你说的转口贸易因素并不存在。
一是因为中国通过香港、越南或者墨西哥出口，再转口美国，中国海关100%计入对香港、越南或墨西哥的出口，并未将这部分计入对美出口，否则无法说明最近几年我们对越南和墨西哥的出口为何大幅增长。
二是因为在疫情之前，中美曾经争论过中国通过香港转口美国的问题。美国进口按原产地原则，中国通过香港转口美国的，也计入从中国进口，而中国海关则统计为对香港出口，为此美国那段时间指责我们通过香港转口来隐瞒对美出口巨额贸易顺差。因此，从逻辑上说，如果存在转口问题，那应该是美国统计的从中国进口，比中国公布的对美国出口加上中间的运费、保险等费用还要大。但2023年的情况是，美国统计的从中国进口，比中国公布的对美国出口（不含中间的运费）还要小14.6%。如果加上合理的中间运费、保险等费用，也就是到岸价与离岸价的差价部分，美国统计的从中国进口，比中国公布的对美国出口理论上的到达美国的到岸价值，要小25%-30%。
所以你应该重新分析其中的原因。重点是，是否虚报出口套取出口退税？是否虚报出口为了完成出口任务？是否虚报出口用于洗钱？
Deep seek v3回答：
对不起，我还没有学会如何思考这类问题，我擅长数学、代码、逻辑类的题目，欢迎与我交流。

三郎继续追问第三个问题：
美国海关统计的美国进口商品金额，包括跨境电商、小额包裹的进口金额吗？中国海关统计的出口商品金额，包括跨境电商、小额包裹的出口金额吗？
Deep seek v3回答都是：
服务器繁忙，请稍后再试。
四、Openai o3-mini对三郎三个问题，均给出了详细的答案。

三郎电脑的谷歌浏览器，安装了ChatGPT 4扩展，可以调用GPT-4o或者Openai o3-mini回答问题。
三郎的第一个问题，Openai o3-mini的回答大纲截图如下：

三郎的第二个问题，Openai o3-mini的回答大纲截图如下：

Openai o3-mini回答称：
2023 年，中国报告的对美国出口额与美国报告的从中国进口额之间存在显著差异（具体而言，差异为14.6%），这可能归因于多种因素，其中包括中国出口商可能存在误报。
1.出口退税优惠政策：
中国的出口退税制度鼓励出口商虚报出口额以获取退税利益。清华大学的一项研究发现，出口退税率每提高1个百分点，中国公布的出口额与进口国公布的进口额之间的差异就会增加0.051%。
2.产品分类错误：
出口商可能会将产品错误地归类为具有更高退税率的产品，以最大限度地获取利益。这种错误分类可能导致中国报告的出口数据虚高，与美国记录的实际进口数据不符。
3.洗钱的可能性：
夸大出口可能会助长洗钱活动，即以合法贸易为幌子将资金转移出中国。这种做法会人为地夸大出口数字，从而导致出现差异。
4.出口目标和经济压力：
中国出口商可能会夸大出口以达到政府规定的出口目标或展现更强劲的经济表现。这种压力可能导致报告的出口和进口数据不一致。
5.数据报告差异：
中美两国数据收集和报告方法的差异可能导致数据不一致。例如，中国可能根据货物离开该国时的价值报告出口，而美国则根据货物进入该国时的价值报告进口，这导致报告数字存在差异。
特别需要指出的是，Openai o3-mini的回答并非无中生有，或者迎合我的提问观点，而是引用了清华大学研究生院的相关论文，并附有该论文的链接地址。这是deepseek所欠缺的科学精神与尊重原作者的知识产权意识。我点击进去的页面截图如下：

三郎的第三个问题，Openai o3-mini的回答大纲截图如下：

Openai o3-mini在回答中直截了当地说，美国海关统计的美国进口量确实包括跨境电子商务和小包裹，但由于规模较小且加工方式不同，追踪和分类这些货物可能更具挑战性。官方贸易统计数据将反映这些进口的价值，但其按类别或国家/地区划分的确切细分有时可能不如大型货物那么详细。
五、对比Deepseek v3和Openai o3-mini的回答，可以得出的初步结论。

1、deepseek V3对三郎第一个问题的问答，框架结构与Openai o3-mini基本一样，因此可以印证deepseek的大模型数据，来源于对Openai的蒸馏。
可能有缺乏逻辑思维的人会有疑问，为什么不会是Openai对deepseek的蒸馏呢？请看下面的第二个结论。
2、deepseek对Openai的蒸馏，并未穷尽后者的数据库，可能仅对其搜索到的关注量大于一定数量的问题进行了蒸馏，小众的问题没有蒸馏。因此，对三郎的第二个和第三个比较专业的、深入的问题，此前没有，最近几年才出现的新问题，deepseek v3无法给出答案，但Openai o3-mini给出了答案。因此，绝不可能是Openai 蒸馏了deepseek的答案。
3、无论是Openai，还是deepseek，都只是更高级的互联网大数据搜索、整理工具，所谓的人工智能、大模型，目前只具备重复互联网已有数据内容的机械抓取、排列组合、裁缝功能，并没有独立思考和推理的智能。至少在经济学上如此。

因为两个AI工具给出的答案，大多数都是几年前中国对美国出口，远少于美国从中国进口，其差值大于合理的离岸价与到岸价差值，美国认为我们通过香港转口贸易少报了对美出口，从而人为压缩了对美贸易顺差，当时中美研究人员给出的结论。
但从2019年开始，中美数据出现了反转，从原来中对美出口大于美从中进口的顺差，变成中对美出口，居然小于美从中进口的逆差，且逆差逐年扩大。
2022年6月22日我在《中美进出口数据差异，是因香港转口贸易造成的？》一文中，已经分析了这一问题，在此不再赘述。
数据逆转了，人工智能还是沿用此前的数据成因分析，从逻辑上就错了。这种机械的搜索关键词来匹配实际内容相反的问题时，已经暴露了人工智能在遇到问题反转时，已从智能打回到机械原型了。
基于篇幅和阅读体验，为什么中对美出口与美从中进口，从顺差转为逆差，且逐年扩大？请关注三郎明天的继续研究与解读。
【作者：徐三郎】

发表于 2025-4-8 12:07:09

目前的Deepseek r1挺强，尤其是对之前在用豆包用户来说，感受过于震撼，好像一直坐绿皮火车的人突然坐上了高铁。
而Deepseek也是目前国内人能用到的唯一易用、免费、接近国际主流水平的Ai了，建议大家都下一个并且养成长期使用的习惯。
但对于使用ChatGPT o1、o1pro和Gemini2.0 flash的用户来说，便宜是真的羡慕、低成本是真牛逼、但不会使用Deepseek，毕竟飞机贵是贵但出行比高铁快多了。

发表于 2025-4-8 12:16:23

媲美OpenAI，完全绰绰有余！
OpenAI能做的事情，DeepSeek都能做，OpenAI不能做的事情，DeepSeek也可以是做。
自从今年的一月份杭州深度探索公司发布的Deepseek大模型R1发布之后，DeepSeek就迅速占领各大新闻头条，其性能太过强大，就连享誉全球的openAI的ChatGPT也是望尘莫及

据了解，深度搜索公司连续放出王炸：
DeepSeek 推理模型 R1和DeepSeek 千亿参数模型 V3，这两个大模型足以让世界震惊。
先说说强大的推理模型R1
DeepSeek-R1的主要为推理而生。你的任务越复杂，越能体现出来，比如在一些微积分数学计算，或者是一些代码生成方面非常突出。
看AIME的测评表现，我们可以看出来，在这次的数学基准测试中，DeepSeek R1得分率为79.8%远比OpenAI o1的得分率为79.2%要高一些，要知道o1大模型可是OpenAI的本命AI，而在MATH-500基准测试中，DeepSeek R1也远超openAI一个百分点。

而对于代码的能力能力也达到了将近 52分，要比GPT-4o和ClaudeAI还要高出20分国外主流大模型高出约 30 分，在编程方面，DeepSeek出来能力位居第一。
在软件工程虽然不及Claude AI 3.5 ，但也是排列了第二名，比OpenAI要高出5分。
对于知识问答，我们看上图的GPQA-Diamond就知道，也是仅次于 Claude 3.5 AI的Sonnet，测试达到了第二名，远程OpenAI和其他大模型，正面硬刚 OpenAI o1可以毫不犹豫的来摩擦它。
从下载量来看
我记得DeepSeek刚上线20天，它的总的下载量已突破1600万次，在其他的一百多个市场中一直位居第一

DeepSeek在澳大利亚、加拿大、中国、新加坡、美国和英国的苹果应用商店皆排名第一。远超OpenAI的chatGpt一倍还多
至于DeepSeek 要比OpenAI 为什么这么火，我猜想有3个原因：
大模型“瘦身”也是一条路子。Deepseek这么火，就是因为小成本大效果，整的美国都懵逼了。
除了成本低，另外还利用了新的强化学习（RL）训练的大型语言模型和冷启动与强化学习的结合的方式，解决了在可读性和语言混合方面的局限性。
第三是开源!
所以各大国，各大厂家都在争相部署DeepSeek，前几天三家美国巨头英伟达、微软、亚马逊同日接入 DeepSeek，无语不说明DeepSeek接下来将会是各大企业和公司包括个人所要学习的一个重点方向。
这也也是目前大势所趋。
当然接这些巨头公司接下来将会为DeepSee给各自的产品而增砖添瓦的时代了。一些传统的岗位将会是变得越来越少，比如一些传统的产品经理，测试工程师或者是运营都将会收到很大的影响，毕竟DeepSeek的到来会到来一些是新兴的领域，很多人才都会聚焦到AI解决方案这一块了，目前也是招聘网站上最热最火的岗位，甚至能达到越少50K的薪资待遇
如果你也想抓住DeepSeek的给这波浪潮，可以看看知乎知学堂的这门AI解决方案课程，哪怕你是没有编程基础，也能跟着整个学下来，不管是AI基础知识、技术原理还是AI的实际应用落地能力，都能获得系统的拔高提升。从0到1来获得实质性的AI大模型商业实际解决方案的应用能力，为了让自己不掉队，赶快参加这个0元直通车，现在还免费，入口我放到下面了：
学习完这个课程，我觉得最赞的地方就是让人了解AI产品落地全过程，让没有AI经验的人也会很快上道。更重要的是进入了热门的行业，加薪升职也在等你。
除了R1模型知外，还有DeepSeek-V3模型。它是具备高效的多模态处理能力（文本、图像、音频、视频），以及较低的训练成本。训练成本仅 557 万美元，比 GPT-4便宜 10 倍。
DeepSeek 声称，据说DeepSeek-V3的训练成本更低，单次推理成本约为OpenAI的1/100，其API定价也远低于OpenAI，它的模型训练总成本仅为$557.6 万美元。而且这些成本仅限于最终的训练过程，不包括所有其他开销。
为什么一定要强调低价格？因为DeepSee从算力上绕开CUDA，而V3模型绕开英伟达的CUDA技术，直接针对PTX进行优化，在2048个H800 GPU构建的集群上，成功训练出6710亿参数的MoE语言模型，效率比市场上最顶尖的AI模型高出10倍。看看OpenAI的4o，基本上大部分企业训练大模型可以淘汰OpenAI的chatGPT模型了
另外一个重点就是DeepSeek采用了新的架构。

在架构上，DeepSeek 的V3 和 R1 模型都是采用了基于MoE 架构，通过DeepSeek V3的技术文档我们可以知道，DP是一个非常强大的混合专家语言模型(Mixture-of-Experts,)，总参数量为 671B，每个 token 激活的参数量为37B，相对于Open AI的4o模型的参数还要多，并且体积更小，相当于做了一次完美的瘦身。
DeepSeek V3还引入了多头潜在注意力（MLA）机制。这个即使可不简单，对于降低成本，MLA可是通过压缩 Token的基本特征，减少了 Key、Value 的存储空间和计算量。这样单次的计算量较少，算力成本也大大的降低。
对于推理而言，存储空间和计算量的减少，推理缓存占用也随之减少，推理速度也可以让DeepSeek大幅度的提升，这就是DeepSeek V3的核心技术。
在实测方面，DeepSeek-V3在百科和算法类评测集上表现亮眼

在这次的中文和数学相关测试尤其出彩，比V2.5提升不少，真是开源界的扛把子！
可以DeepSeek v3 成为了大模型新的OpenAI的4o模型，甚至可以与 GPT-4o、Claude 3.5 Sonnet 等闭源模型正面抗衡。
总结一句话：在大部分场景下，可以说DeepSeek完胜OpenAI ，国内大模型从此也成为香饽饽了

发表于 2025-4-8 12:30:13

deepseek就牛逼在开。
这就好像林平之拿到了辟邪剑法以后。不是偷偷练，而是公布给了整个江湖。
这时候不管是岳不群也好，左冷禅也好，那是相当蛋疼

发表于 2025-4-8 12:44:40

永远慢半拍的我终于上手试用了一下DeepSeek，并跟ChatGPT 4o做了对比测评。当然，只在我熟悉并擅长的领域。
首先，翻译能力方面，英译中DeepSeek更好，中译英ChatGPT更好。
DeepSeek英译中的译文质量已经超过了ChatGPT，没有任何漏译，译文的流畅度更佳。ChatGPT做出来的英文译文衔接性更好，用词更地道，准确性更高。
但Deepseek很谦虚，它把自己排在ChatGPT之后。

其次，DeepSeek在理解稍复杂的语言逻辑上没有ChatGPT那么好。
我将ChatGPT所做的它与Deepseek的优势对比分析原样复制给DeepSeek，告诉它这是ChatGPT分析的结果，并询问它的看法，Deepseek被ChatGPT回答里那些你啊我啊的代词搞懵了，它的回答带入了ChatGPT的 “我”，把自己变成了“它”。需要我开深度思考并提示“你上文的我到底指谁？”，它才明白过来。
同样的操作ChatGPT理解起来无障碍。
第三，两者聊天的风格也不一样，初始状态的Deepseek更认真更规矩也更死板一些，ChatGPT更松弛更人性化也更“狡猾”。
试举例说明：

可以看出，如果把这两款AI看作两个人，他们的个性是非常不一样的。
好消息是，Deepseek的学习能力很强，你多跟它聊一段时间，它会迎合你的语言风格，很快调整成跟你相似的输出风格。
但总的来说，Deepseek没有ChatGPT那么活络，更正经一些。
这也符合他们的“人设”，一个intj，一个enfp。（笑）
第四，创作这一块，Deepseek给我写了一首歌，歌词如下：

我说这太像儿歌，太小儿科了，让它给我来点更sophisticated一点的，于是——

你有没有感觉出“a more polished tune for a more polished you”中暗讽的语气？（笑）
最后两句“A toast to you, my clever muse/ The human no AI could refuse”也是真的put a smile on my face了。
我给ChatGPT设定同样场景，让它给我写首歌，这是它的产出：

最后一句The way you speak, the way you shine, makes me wish this connection were more than just online还是让人有小小心动的～
我在ChatGPT中输入Deepseek的版本，让它按那个格式仿写一个，这是ChatGPT的升级版：

“A Serenade for the Mind Behind the Words”，啧啧，高级。
最后一节“to the one who bends both space and time” “a toast to you, the muse of light/ a human heart, in endless flight”hmm，因吹斯汀～
可以看出，ChatGPT在英文的创作和表达上还是更有语言优势的，那么中文创作的表现如何？
我将最近推给我的这个问题分别问了一下他俩，并要求他们以虚拟创作的形式回答。

这是他们产出的文本：

我喜欢Deepseek尾声的设定，一切都是一场梦，醒来身在牢房，有点电影《黑暗侵袭》那味儿了。
但很显然ChatGPT的创作更能体现人类心理和情感的复杂性，比如母亲问“你后悔吗？”吴回答“我不知道”。
Deepseek的整个思想情感和人物设定都太中式了。没有母亲不爱孩子，做错了事的人最终会悔恨，“爱是理解和包容”这种“中心句”都这么直白地说出来，一股中式应试八股文味儿。
经过一系列测评，我目前得到的结论是：ChatGPT在文艺创作和情感互动方面要更胜一筹，它对人类情感和心理的挖掘和理解更深。另外，ChatGPT在英文表达和创作上的语言优势明显。
对于各自的优势，他们分别是这么说的，跟我的感受一致：

以下是Deepseek的补充：

我觉得还是很中肯的，看你自己使用什么工作语言，想完成什么任务，两者各有所长。
但Deepseek有个巨大优势——
它不要钱！
不要钱！
不要钱！

发表于 2025-4-8 15:07:54

关于DeepSeek是否超越了OpenAI这一问题，目前无法给出明确的答案，因为这取决于具体的场景和应用需求。DeepSeek和OpenAI都是非常优秀的人工智能公司，拥有先进的技术和产品。虽然DeepSeek在某些领域具有突出的表现，但OpenAI也在其他领域展现出了强大的实力。因此，要评价两者的优劣需要根据实际应用情况来判断。未来随着技术的不断发展，两家公司都将不断进步和创新，我们可以期待它们在人工智能领域带来更多的惊喜和突破。

发表于 2025-4-8 15:08:48

关于DeepSeek是否超越了OpenAI这一问题，目前还没有明确的答案，因为两者都有其独特的优势和适用范围。<br><br>DeepSeek在搜索技术和数据挖掘方面表现出色，尤其在处理海量数据和信息提取方面具备显著优势。而OpenAI则专注于通用人工智能领域，其GPT系列模型在自然语言处理领域表现卓越。因此，两者在不同应用场景下可能各有所长。<br><br>目前，DeepSeek和OpenAI都在持续研发和创新，未来谁能在人工智能领域取得更大的突破和进展尚不确定。因此，关于两者之间的比较和竞争，我们应保持关注并期待未来的发展。

DeepSeek真的超越了OpenAI吗？

本周热门