DeepSeek-V3 是近期人工智能领域的热门话题，其发布引发了广泛关注和讨论。DeepSeek-V3 于 2024 年 12 月 26 日正式发布，并同步开源。该模型采用混合专家（MoE）架构，拥有 6710 亿参数，激活参数为 37 亿，预训练数据量达 14.8 万亿 token。在多项基准测试中，DeepSeek-V3 表现优异，尤其在数学、代码和长文本处理任务上，超越了 Llama-3.1-405B 和 Qwen2.5-72B 等开源模型，并与 GPT-4o 和 Claude-3.5-Sonnet 等闭源模型不相上下。

    DeepSeek-V3 在训练成本上实现了显著突破，仅花费 557.6 万美元，远低于 GPT-4o 等模型的训练成本。其成功得益于多项技术创新，包括无辅助损失的负载均衡策略、多令牌预测（MTP）目标、FP8 混合精度训练以及高效的跨节点通信优化。这些技术不仅降低了训练成本，还提升了模型性能和推理速度，生成速度达到每秒 60 个 token，是前代模型的 3 倍。

    对了，今天的题目就DeepSeek-V3起的，大家觉得怎么样？   

     首先使用DeepSeek-V3 编写脚本，具体的对话信息如下图所示:

    这是第一次的尝试，后续又提示通过命令行接收参数，以及加入翻译功能，出现报错，API调用错误，从DeepSeek-V3官网提供api调用示例给它，最终生成了可正常执行的程序， 如下：

生成的效果如下：

这里需要将api_key替换自己的api_key, 官网申请即可。具体的代码，上传到百度网盘。

链接: https://pan.baidu.com/s/1PuX8aX8TDAiT3dsKZEKngg?pwd=d5vg 提取码: d5vg 。

需要的python环境和包，请自行安装。环境配置完毕，脚本运行方式如下：

python3 new.search.paper.py "wheat" "rust" wheat.txt