メインコンテンツへスキップ

現段階におけるDeepSeekV3-0324の噂まとめ

    ベンチマーク性能の比較

    初期版のDeepSeek V3と2025年3月24日公開の**DeepSeek V3 (0324版)**では、多くの評価ベンチマークで精度向上が報告されています。以下に主なベンチマークスコアの差分を整理します:

    ベンチマーク DeepSeek V3(初期版) DeepSeek V3-0324(新版) MMLU (英語学習) 約88.5%(EM) ([Breaking Down the Benchmarks: How Does DeepSeek V3 Stack Up? by Suneel Kumar, Ph.D. GSM8K (算数) 約89%(8-shot正答率) () – 極めて高い数学的推論力 同水準(推定) – コアモデル不変のため大きな変動なし(引き続き最高クラスの数学性能) MATH (数学) 約61.6%(4-shot EM) () – 難解数学データセットで高精度 ほぼ同水準(大幅な変更報告なし。一部チューニング改善で微増の可能性) HumanEval (コード生成) 約82.6%(Pass@1) ([Breaking Down the Benchmarks: How Does DeepSeek V3 Stack Up? by Suneel Kumar, Ph.D. GPQA (高度QA) 約59.1%(Pass@1) () – Diamond難度でClaude 3.5に次ぐ2位 精度アップ – 非公式テストで大幅改善報告 ([DeepSeek-V3 now runs at 20 tokens per second on Mac Studio, and that's a nightmare for OpenAI

    ※EMはExact Match、Pass@1は最初の回答で正解する割合。初期版スコアは公式技術報告等 () (Breaking Down the Benchmarks: How Does DeepSeek V3 Stack Up? | by Suneel Kumar, Ph.D. | Medium)より。新版は正式な数値公開がないものの、開発元による調整で全指標が軒並み向上したとされています (DeepSeek-V3 now runs at 20 tokens per second on Mac Studio, and that's a nightmare for OpenAI | VentureBeat)。

    モデルアーキテクチャと学習手法の変更点

    微調整手法や「深度思考」モードの差異

    • チューニング手法: 両バージョンともSFTで基本的な指示追従能力を付与し、RLHFで有用性・安全性を高めています。手法自体に大きな変化はありませんが、0324版では微調整の追加実施によりモデルの挙動が洗練されています (曝DeepSeek V3模型完成小版本升级,可关闭深度思考试用体验_新浪财经_新浪网)。例えば、知識質問での事実性向上や、コード出力の一貫性向上など、各種タスクでの性能底上げが図られています(上述のベンチマーク向上に反映)。

    • 「深度思考 (Deep Thinking)」モード: DeepSeek V3には、複雑な推論時に内部で段階的思考を行う**“深度思考”モードが存在しました。初期版ではこのモードがデフォルト有効だったのに対し、0324版では深度思考がデフォルト無効(オフ)になっています (Meet the New DeepSeek V3 0324: Stronger and Faster)。公式発表でも「ユーザが深度思考機能をオフにすると応答速度が向上する」と案内されており、0324版では標準でそれを適用した形です (曝DeepSeek V3模型完成小版本升级,可关闭深度思考试用体验_新浪财经_新浪网)。これはモデル固有の推論ステップ自体を削減することで対話応答を軽量化する措置で、特に簡易なQAやコード生成などリアルタイム性が重要な用途で効果的とされています (曝DeepSeek V3模型完成小版本升级,可关闭深度思考试用体验_新浪财经_新浪网)。この変更により推論スピードが大幅改善**しつつ、精度は上述の通りむしろ向上しています(深度思考を用いずとも高い性能を発揮できるようチューニングされたと推測されます)。

    • 将来の「思考特化」モデル: 一部では今回の0324版強化により、DeepSeek-R2(推論特化モデル)の土台が整ったとも噂されています (DeepSeek V3-0324: New DeepSeek model released | by Mehul Gupta | Data Science in your pocket | Mar, 2025 | Medium)。R1は純RLで生まれた推論重視モデルでしたが、次世代R2はV3-0324をベースに高度な推論(チェイン・オブ・ソート)能力を統合する可能性があります。ただし現時点で0324版自体は深度思考オフ=通常対話最適化の位置づけであり、推論プロセスそのものは内部では引き続き可能なものの、ユーザには見せず高速応答するよう調整されています。

    コンテキスト長の変更有無

    • コンテキストウィンドウ: 初期版DeepSeek V3は長文入力への対応も特徴で、学習の最終段階でコンテキスト長を4K→32K→128Kトークンへ段階的に拡張していました () ()。その結果、最大約128,000トークンもの長大な文脈を保持可能でした。0324版でもこの長大コンテキスト対応は継承・維持されています。実際、OpenRouterで公開されたモデル仕様では163,840トークンまで入力可能と明記されています (OpenRouter)(約160Kトークン; 128Kよりわずかに多いが、同程度とみなしてよい)。つまり、入力可能トークン長に実質的な変更はありません。依然として10万トークン級の文脈を処理でき、長文文章や複数ドキュメントをまたぐ質問にも対応可能です。

    • 長文性能: コンテキスト長を延長する特殊学習(RoPEスケーリング等)は初期版で確立済みであり、新版も同じ手法を用いています。そのため128K級長文ベンチマーク(LongBench, FRAMESなど)でも引き続き最先端の性能を示すと期待されます ()。公式にも「DeepSeek-V3は最大128Kの長文入力でも安定した性能を示した」と報告されており ()、0324版でもこの強みは変わりません。

    推論速度・生成効率の改善

    公式発言・技術文書での「性能改善」に関する言及

    参考文献・情報源: DeepSeek公式技術報告書 () ()、公式コミュニティ発表内容 (曝DeepSeek V3模型完成小版本升级,可关闭深度思考试用体验_新浪财经_新浪网)、開発者のSNSコメント (DeepSeek-V3 now runs at 20 tokens per second on Mac Studio, and that's a nightmare for OpenAI | VentureBeat)、専門メディア記事(Medium、VentureBeat等) (Breaking Down the Benchmarks: How Does DeepSeek V3 Stack Up? | by Suneel Kumar, Ph.D. | Medium) (DeepSeek-V3 now runs at 20 tokens per second on Mac Studio, and that's a nightmare for OpenAI | VentureBeat)。以上の信頼できる情報に基づき、初期版と0324版の性能差をまとめました。

     
     
    米国株を中心に、5年先を見据えた長期視点で市場動向を分析・考察する個人投資家です。経済ニュースや雇用統計などの指標、企業決算をデータで読み解き、専門的かつ平易に解説して知見を共有しています。

    あなたへのおすすめ