DeepSeek V3“报错家门”：我是ChatGPT

只是少打了一个问号

原标题：DeepSeek V3“报错家门”：我是ChatGPT
文章来源：量子位
内容字数：3194字

DeepSeek V3：爆火与争议

近日，大模型DeepSeek V3引发热议，其低成本（557.6万美元）训练和强大的能力成为焦点。然而，一个奇怪的bug也备受关注：缺少问号时，DeepSeek V3会“报错家门”，自称ChatGPT，甚至生成与ChatGPT相同的笑话。

“报错家门”之谜

1. **并非ChatGPT数据训练？** 尽管有人怀疑DeepSeek V3是在ChatGPT输出基础上训练的，但这一说法缺乏有力证据。许多大模型都接触过ChatGPT的数据，但这并不意味着DeepSeek V3的性能完全依赖于此。其在Pile测试中的高分也说明，其性能并非完全取决于ChatGPT数据。

2. **AI污染的隐患？** TechCrunch指出，网络充斥着AI生成的“垃圾数据”，这使得训练数据难以彻底过滤AI输出，导致模型出现“报错家门”的情况。欧盟预测，到2026年，90%的在线内容可能是AI生成的，这进一步加剧了“AI污染”的风险。

3. **成本节约的？** AI Now Institute的首席科学家Heidy Khlaaf认为，开发者被从现有AI模型中“蒸馏”知识带来的成本节约所吸引，这可能导致意外地使用ChatGPT或GPT-4输出进行训练。

DeepSeek V3的强大能力

1. **实用性强：** 尽管存在bug，DeepSeek V3的强大能力获得广泛认可。许多用户分享了其在网站创建、AI视频编辑和AI编程等领域的实用案例，例如结合Cursor进行贪吃蛇游戏开发。

2. **优于竞品：** 在与Claude Sonnet 3.5的对比测试中，DeepSeek V3在Scroll Hub网站创建方面表现更佳。

3. **团队构成：** DeepSeek V3的论文贡献列表中，不仅包含技术人员，还包括数据注释和商务人员，体现了团队的全面性。

总结

DeepSeek V3的“报错家门”bug引发了人们对AI数据污染和模型训练方法的思考。尽管存在这一问题，DeepSeek V3强大的能力和广泛的应用前景依然值得关注。其低成本训练也为大模型发展提供了新的思路。未来，如何有效地解决AI数据污染问题，将成为大模型领域面临的重要挑战。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破