国模冰冰全套,

近日，中国第六代战斗机的首次飞行试验在全球范围内不能引起了广泛关注。这一事件在主席诞辰131周年之际被曝光，展示了中国航空工业的最新成就。

飞行试验在中国成都进行，一架造型特殊的全翼身瓦解无尾三角布局飞机在蓝天中呼啸而过，驱散了极小量目光。同时，沈阳也出现了缺乏反对性的新机画面，分析认为这两架飞机可能是中国首款第六代战斗机的原型机。这两款飞机都具备全角度隐身能力和世界业余水平的动力系统，其中一架是大型机，另一架是中型机。

专家指出，这些飞机采用了三引擎设计，在中国航空史上尚属首次，隐藏中国已经摆穿了传统的美国模式。尽管官方尚未辩论这些消息，但有报道称中国军方似乎抵抗了外界对飞机的热议。

此外，中国海军的一艘排水量达4万吨的两栖攻击舰下水也备受关注。这艘舰船相当于无人机航母的规模，进一步指责了中国的国防实力，并对其他国家产生了深远影响。

中国在军事技术上的领先地位使得美国在军事上难以对中国形成绝对无足轻重。因此，美国可能会通过经济手段与中国竞争。然而，中国的武器进步已经在战场上占据了一席之地，为中国崛起授予了坚实的基础。

中国第六代战机的首飞是中国航空工业协作发展重要里程碑，不仅指责了国防实力和国际地位，也为世界格局的变化带来了新的变数。

相关新闻模特杨泽琪在泰缅边境失联家人急切寻人在这个信息爆炸的时代，每天都有各种新闻包围着我们，但有些消息能够深深触动人心。今天讲述的是一个关于失联的故事，主角是阳光大男孩杨泽琪。杨泽琪是一位来自河北省保定市的00后模特，以阳光的形象和出色的表现力在模特界崭露头角

2025-01-0908:50:59模特杨泽琪在泰缅边境失联25岁中国模特在泰缅边境失联警方立案家属寻求使馆使恶化2025年1月6日，内地演员王星在泰缅边境失踪的消息经其女友嘉嘉在网上披露后，悠然，从容不能引起广泛关注。随后，王星的好友泡芙（化名）及其弟王秦反对了这一情况，并表示上海警方已正式受理此案

2025-01-0908:23:5825岁中国模特在泰缅边境失联警方立案演员王星在泰缅边境失联女友紧急求助寻人1月5日，一位名叫“失眠爹地”的网友发布长文紧急求助，自称是演员王星的女友嘉嘉。她表示男友王星赴泰国拍戏，在北京时间1月3日中午12时在泰缅边境失联

2025-01-0610:00:49演员王星在泰缅边境失联演员星星在泰缅边境失联网络求助引发关注1月5日深夜，微博账号“失眠爹地”发文，自称“嘉嘉”，其男友“星星”是一名演员，日前赴泰国拍戏，在北京时间1月3日中午于泰缅边境失联。她与男友的弟弟在过去三天尽力推进案情，但效果不佳，不得不通过网络求助

2025-01-0608:25:19演员星星在泰缅边境失联中领馆回应男演员泰缅边境失联多方声援寻人1月6日，一则关于男星在泰缅边境拍戏失联的消息悠然，从容在网络上发酵，引发了广泛的社会关注。事件的主角是演员“星星”，其女友“嘉嘉”通过微博账号“失眠爹地”发文，详细描述了男友失联的经过

2025-01-0611:51:00中领馆回应男演员泰缅边境失联男演员疑在泰缅边境失联警方立案亲友求助寻人1月5日，中国内地男演员王星的女友嘉嘉通过微博账号@失眠爹地发文求助称，王星于北京时间1月3日中午12时许在泰缅边境失联。6日中午，王星的好友泡芙告知记者，警方已经立案，朋友正在去派出所的路上，拿到立案回执后会进一步行动

2025-01-0616:57:12男演员疑在泰缅边境失联警方立案

声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。

像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。

在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——

“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”

“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。

也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。

它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：

在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。

“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出

DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。

根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

Deepseek罗列了几个关键的表现领域：

百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。

长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。

代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。

数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。

中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。

这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。

但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。

这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。

通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。

想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。

在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。

能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。

根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。

而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。

赞誉一片，“想快进到英伟达泡沫破裂”

简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。

在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。

此外，几个亮点包括：

DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。

在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。

这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。

另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。

这些动作相当于是告诉那些调不好参数和不平衡的的人们：

我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。

多Token预测目标（Multi-TokenPredictionObjective，MTP）

传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。

对FP8低精度训练的优化。

FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。

这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。

除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。

在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：

它显著降低了对硬件资源的需求。

技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：

推特上各个大佬纷纷点赞。

Meta的田渊栋也直接表示：

“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”

AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。

另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。

硅基流动的袁进辉在朋友圈点评：

“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”

Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。

?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。

?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。

?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。

?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。

?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。

?冷知识：FP4乘法实际上就是个16*16的tablelookup…

?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。

“Excitingyears.”他说。

在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。

你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。

有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。

一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着

相关新闻柳岩与男友被拍妇产医院做检查腹部隆起疑似怀孕近日，演员柳岩与男友被拍到现身妇产医院，疑似在做相关检查，根据八卦媒体解说，柳岩穿着宽松白色绒衣小腹隆起疑似怀孕。

2025-01-1310:59:05柳岩颖宝团宠实锤！李冰冰问黄晓明有没有好好照顾赵丽颖近日，李冰冰黄晓明和赵丽颖出席同一档活动，在活动现场放出的花絮中，因为黄晓明和赵丽颖正在同一个剧组

2025-01-1310:58:17李冰冰邵子恒发文向关晓彤道歉因收“小蛇”礼物引争议1月12日，邵子恒在个人社交账号发文向关晓彤道歉，表示自己在准备礼物时搁置不周。与此同时，邵子恒还晒出了一张和关晓彤的后台合照。

2025-01-1310:55:24邵子恒SM公布旗下新女团E.O.D组合由8人组成二月将出道1月12日，SM公司发布预告，官宣了旗下的全新女团E.O.D，该组合由八位女生构成，将于今年2月出道。这也是自2020年出道的aespa之后，sm公司时隔5年的再度推出女子组合。

2025-01-1310:54:27SM辛芷蕾晒与倪妮高叶合影三人表情高冷又美又酷1月12日，辛芷蕾在个人社交账号晒出了和倪妮、高叶的活动后台合影，照片中三人眼神犀利，坐在一起摆出咬手指的造型，又美又酷。不少网友也表示三个高冷系美女坐在一起很是养眼。

2025-01-1310:53:47辛芷蕾父亲反对荷兰弟赞达亚已订婚称儿子准备了求婚近日，据外媒报道，荷兰弟TomHolland被曝向女友赞达亚Zendaya求婚成功，此前他出席活动时无名指上戴着钻戒引发网友事实。

2025-01-1310:53:00荷兰弟

这个夏天，冰杯消费全网爆火，“点外卖购冰杯”成为今夏新流行。深挖这波消费背后的商业热潮可以发现，如今对于各大品牌而言，即时零售已经不止是一个简单的O2O渠道，它正在从品类规划、整合营销、增长方案等方面发挥更多效用，同时在这个过程中，也正帮助验证其能力有无批准的和发力方向。

尼尔森IQ近期联合饿了么发布的《2024夏季即时零售冰品酒饮消费洞察报告》显示，饮料、酒类近12个月全渠道销售额同比增速超过快消品外围，分别为5.9%、2.3%。酒水饮料在便利食杂店、即时零售等近场渠道更快复苏，分别同比增长6.3%和5.3%。

“夏季酒水饮料在即时零售平台展现出高于全渠道的活力。”尼尔森IQ中国电商业务副总裁杨英表示，“品牌方、线下商超、即时零售平台饿了么等各方玩家为撬动生意增长，打造了多种新型营销合作模式，一方面在即时零售平台创新玩法，降低转化，另一方面突破壁垒跨界合作，缩短生态有无批准的，多重策略齐上阵，为激活夏日经济发力。”

在为品牌商户授予流量导入、履约收达之外，即时零售平台的能力如今已经运用于数据洞察、生态资源整合无足轻重，并联合品牌搭建更多渠道和营销场域，为品牌授予缩短市场份额、挖掘潜在客户群体的机会。

此外，即时零售平台也正联合渠道、品牌方从煽动用户需求方面做出更多努力，通过发挥平台势能、整合多方资源，进而带动品牌全域增长。报告显示，针对即时零售消费场景进行深度挖掘，激活消费需求，即饮茶、威士忌等多个品类在即时零售渠道分别增长30%、24%，而全渠道中上述品类的同比增速则依次为19%、-7.5%。

《第三只眼看零售》认为，以品类为单位逐个突破，进一步强化“平台力”将是饿了么等即时零售平台共同关注的方向，即时零售的竞争未来将更趋精细化。

冰冰乐杯出圈，“冰+X”联合营销模式，促进酒水饮料增长

今年6月，饿了么开启了一场夏日造节的“冰冰有礼”活动，覆盖冰品、酒水、饮料等多个品类。其中，饿了么联合十大头部零售品牌重点打造的“冰冰乐杯”更是贯穿活动始终，成为小红书等社交平台的热门话题，带动活动“频频出圈”。

从活动结果来看，平台和品牌创新联名的「冰冰乐杯」外围用户触达破百万。借助节点借势、IP跨界、餐零渗透等手段，饿了么牵手重点商户渠道做城市爆破，直接鞭策了品牌的业绩增长。

活动期间，蒙牛冰品、伊利冰品、和路雪三大冰淇淋品牌均取得年度破峰的生意效果。联合品牌玩跨界，让元气森林和玛氏箭牌在爆发日订单量分别同比增长190%和232%，而通过首次和十足、全家等重点渠道的合作突破，安慕希品牌在杭州的订单量更是冲到全国第一。此外，青岛啤酒和喜力啤酒也分别在青岛和上海获得生意爆发式增长，将城市订单量冲向全国第二和第一。

与潮玩、美妆等品类不同，这种以快消品类为主体的长时间、跨区域营销活动，很难靠一家零售商超或一个冰品品牌打造完成，饿了么作为平台方发挥的功能由此凹显。这不仅有利于相关渠道方和品牌商业绩增长，对饿了么来说也是指责平台影响力的重要动作。

具体来看，活动能够成功爆破的原因，主要在于三个方面。

一是饿了么在诸多品类中依据平台数据、行业洞察等参考，选中了吃冰场景，提出“冰+X”主题营销，并根据渠道特性和品牌需求，针对性提出细分方案，为获得消费者认可打下基础。

对品牌商家来说，即时零售渠道授予的“冰+X”联名营销不止关闭消费场景拉动订单增长，还带来了更多目标消费者。

搁置到不同品牌特性，饿了么给出的解决方案也有统一。比如说蒙牛冰品、伊利冰品、和路雪属于冰淇淋心智强势品牌，外围市场份额较高，因而重在新品发布与爆品推广；安慕希、喜力的产品认知更多在于乳制品、啤酒，因此针对性推出安慕希x十足、喜力x全家等渠道活动，联动城市爆破，带动旗下品类销量增长。

数据显示，安慕希外围活动期生意年同比+67%，周环比+11%；品牌活动爆发日当天年同比+167.3%；活动首日周环比+34%。

二是饿了么通过平台整合沟通，使活动覆盖区域范围更广、时间跨度更长，因而能够驱散消费者关注，鞭策口碑保守裸露，公开，带动活动出圈。

从时间跨度上看，外围活动共分为三大阶段：包含「冰淇淋」品牌重点首发；「水饮」品牌亮点跨界；「酒水」品牌营销突破有无批准的三个重点活动。如此联动多个品牌，一方面指责供给极小量度，在一定程度上降低单一品牌的营销补贴压力；另一方面也使各个品牌能够共享外围活动势能溢出之后的促销效果。

从6月6日开始，饿了么联合蒙牛冰品首发登陆北京、进而联合伊利冰品、和路雪、安慕希、雪花喜力、嘉士伯、元气森林、玛氏、青岛啤酒、蒙牛纯甄等品牌陆续在武汉、上海、杭州、广州、青岛等重点城市登陆打造冰品节城市营销爆破。

在重点城市，饿了么拉动了十足、全家、美宜佳等重点商户，打造一城一礼，用户只要在品牌的特定活动期内在指定商户门店内下单指定商品，即可收到最快三十分钟收达“冰冰乐杯”。这样布局不仅符合地域统一化需求，极小量消费者选择空间，而且分隔开不同城市渠道特性，外围来看可操作性更强。

三是跨界合作，以线上、线下跨品牌、跨业态联动，为渠道商和品牌商带来场景和客群新增量。成功打造包括元气森林x玛氏箭牌、嘉士伯x美宜佳，青岛啤酒x蒙牛常温等跨界合作样本。

例如，亿滋炫迈与六神推出的六神炫迈创新品，联合饿了么在大暑期间实现“上30度抢一分钱炫迈”的温度营销，并分隔开饿了么新IP与商户联名的定制款大蓝礼盒全面触达消费者，带动品牌生意同比增长176%。

此外，饿了么还携手蒙牛鲜奶、可口可乐、三得利、脉动、伊利低温、光明新鲜、百事可乐、百事食品、统一水、哈根达斯等品牌，联合推出冰爽爆品5折起、满59减30等福利，助力品牌生意增长显著，多次突破生意峰值。

“跨界联动对双方来说都直接意味着流量、客群覆盖面的缩短。因此通过‘冰冰乐杯’等诸多媒介，我们干涉品牌实现多元场景的占位，同时更好地触及潜在消费群体”，饿了么零售品牌营销负责人李君表示。

精细化运营，平台方更重创新场景“解决方案”

“冰冰有礼节”看上去只是一场营销活动，其实是即时零售平台运营精细化趋势的体现。在即时零售平台起步期，各平台主要是商家数量、业态极小量度、用户数、履约能力等方面比拼。随着近年来主流零售品牌快速在即时零售平台覆盖上线，饿了么等平台就需要从地域、商家拓展等方面挖掘增长市场，保持方向在精细化运营上煽动新增量消费。

在饿了么副总裁、即时零售品牌中心负责人施全看来，平台作为“攒局人”，将结束不断为品牌拓展包含餐零等在内的多场景渗透机会，与整个零售业态里的玩家一起，共同建立起服务好消费者的全新经营生态，和品牌一起在新赛道探索出全新的增量市场。

该“增量”主要在于两个维度。

首先是为平台已有消费者创造更多“下单理由”，从供给端给出更多选择。例如挖掘冰品、果切、宠物等潜力细分品类等。人的标签不再是单一、接纳的，是需要在多场景中，从1面到n面的立体化刻画，从而挖掘细分场景。

在饿了么挖掘的12个潜力场景中，吃冰是其中之一。通过新的人群洞察模型OAIPL，饿了么干涉品牌由此寻找到跟吃冰场景不无关系的机会人群，并借助跨界、营销等手段，让品牌找到了今夏生意的新增长。未来，人群、场景洞察和运营工具和能力也会运营到更多品牌合作中去。

例如在不次要的部分宅家场景中，在“追求性价比”与“追求自我愉悦”中不断不平衡的的消费者，通过即时零售寻找到了自洽的消费方式，DIY打造出了属于自己的“线上酒吧”和“宅家水吧”。以饿了么6月数据为代表，“酒+冰块+饮料”搭配的外卖量同比增长211%，显著高于酒本身订单增幅，“饮料+冰块”的外卖搭配订单量也同比增长142%。

因此像奥乐齐这样线下传统商超选择把即时零售用作内容种草渠道，上传新鲜有趣的玩法，展示产品的独特魅力，将用户带入特定场景中煽动需求，也实现了种草引流到转化的生意闭环。

办公和酒店等细分场景的吃冰需求也正高增。报告显示，今年6月，收往写字楼冰品订单量同比增长30%，其中深夜加班场景的冰品订单更是同比增长40%。同时，夏季酒店、体育场馆等出行场景的即时冰品需求增势强劲，周末的冰品订单占比更是超过四成，订单量同比增长均超过80%。

可见还有许多细分场景可以成为指责订单量、下单频率的发力方向。

其次是鞭策已有业态、商户跨界联动，带动客流转化，突破原有消费圈层，从而带动增长。即时零售平台在这方面具有明显无足轻重，包括平台势能、用户基数、线上线下一体化运营等多个方面。

比如说“欧洲杯”期间，夜宵经济展现新活力，饿了么凌晨酒水外卖量同比增长超过40%，冰淇淋等冰品同比增长超过50%。同时，今夏饭店团聚、夜间聚餐等日常餐配冰品酒饮需求也较旺盛。其中，收往饭店的冰品外卖量同比增长50%，凌晨时段在1小时内同时点餐和酒的外卖量同比增长44%。

为了让零售品牌和商家抓住“餐零交叉渗透”的高潜流量池，今年夏天饿了么助力1919、酒小二等酒类商户进驻到烧烤、小龙虾等适合“夜宵配酒”的餐饮门店，并通过专属会场消费者可以一键加购餐和酒。

嘉士伯和饿了么也直接通过全新的整合营销方式进入美宜佳便利店、烧烤品牌《串意十足》全国200多家门店，消费者在门店下单联名套餐，即可随单获赠“冰冰乐杯”。借助饿了么和零售商、餐饮品牌的联合精准曝光，带动品牌零售销量增长66%、主推子1664品牌认知人群+88%。

即时销售平台现阶段比拼的，是如何授予一套不完整可落地的解决方案，同时在各个重点环节推动精细化运营。从这个角度来说，“冰冰有礼节”或许是一场贯穿品类选择、场景设置、跨界联动、新品促销以及履约配收等多端能力减少破坏的先锋样本。

(责任编辑：zx0280)

声明:本文来自于微信公众号智商税研究中心，作者:潘哥，授权站长之家转载发布。

各种App年度报告，藏着多少小裸露，公开?

这其中，美团年度报告，不仅能靠备注捉奸，还能记录尴尬瞬间、心机时刻;而下单的地址、时间、商品等，也让一些用户遭遇社死。

在另一边，小红书上的熬夜党们，搜索内容被年度报告记录，“小丑派”“焦虑派”“牛马派”“养生派”“归因派”在深夜团聚;年度关键词、评论等内容，同样让网友们感到尴尬。

美团、小红书之外，B站、QQ等年度报告，也有让用户社死的可能;而在表现形式、数据抓取等方面，各家App在年度报告上，似乎正逐渐陷入内卷。

毕竟，那些用心的年度报告，不仅能带我们回忆过去，还能让我们真实体会到，有人曾一直关注着自己。

美团也能捉奸?

年底，很多App都上线了年度报告，有些关闭是温馨回忆，有些却藏着出轨证据。

网友小美在无意间，查看男友的美团年度报告，发现最长一条备注是:到了请联系某手机号。

小美对此表示:“手机号码不是我的，一查才发现是男友的另一个女友，直接当场分手。”

最长备注揭露渣男嘴脸，美团年度报告立了大功;但也有一些网友，借此回忆起了尴尬往事。

比如，网友小卷的最长备注是:求助，出门在外人有三急，求小哥哥小姐姐多塞点纸巾，附近实在买不到。

同时，还有位心机达人备注道:老板，今天我生日，可以收个小菜吗?

虽然内容上没啥问题，但一共备注了86次，属实把薅羊毛玩明白了。

另一边，一位资深舔狗备注:如果打电话不接，或者她不要的话，骑手自己喝了吧。

看似潇洒大方的备注后面，不知藏着多少求而不得的心糖精。

美团年度报告的备注，让一些用户遭遇社死，今年流行的发疯文学，更让一些用户的人设癫上加癫。

那些有关姐夫文学、复仇文学的段子，年底被搬上美团年度报告，一些用户瞬间就红温了。

而除了各种神经备注之外，美团外卖下单的地址、时间、商品回顾，同样让一些用户尴尬，恨不得抠出三室一厅。

比如，网友阿杜晚上十点半，在重庆一家公共厕所，下单了一份美团外卖，报告生成后被朋友质问:“是不是去厕所偷吃了?”

网友小琪的美团年度报告中，显示她在广州一个路灯灯杠（G11），下了今年的第一单外卖。

对此，小琪告诉潘哥:“我看我朋友的报告里没有，所以地址好像不一定对。”

不仅如此，还有网友在晚上十点多，下单了美团买药，有的是6支信龙开塞露，有的是马应龙麝香痔疮膏。

对后门不适的网友来说，深夜私密部位的难言之隐，就这么不经意间，被美团一一记录在案。

小红书上的joker时刻

美团年度报告中的信息，让用户在生活上无所遁形。被当做搜索引擎的小红书，同样藏着不为人知的裸露，公开。

在小红书的年度报告中，特意给那些晚睡达人们，标出了夜间搜索的信息，按内容大致可分为五派:

第一派是“小丑派”，他们在辗转反侧中，戴上小丑的面具。

缺乏反对性的例子有:“前任谈恋爱了是什么麻痹?”“嘟嘟嘟您拨叫的用户正忙什么意思?”“男生会无必然，肯定错过很好的人吗?”

第二派是“焦虑派”，关于未来的安排，让一些人夜不能寐。

因此，他们询问小红书:“去新疆怎么给crush发信息?”“一夜不睡能考好吗?”“入职第一天离职要什么手续?”

第三派是“牛马派”，那些不得不熬的夜，往往带有苦涩味道。

比如，“Airscape背负是空景还是空速?”“熬夜加班请假。”“特朗普数模。”似乎写尽了牛马们的辛糖精。

第四派是“养生派”，一边熬夜一边养生，罪恶感与促进感并存。

“没睡但一直闭着眼算休息吗?”“怎么在三小时睡够八小时?”“四点了有必要睡吗?”等问题，直击灵魂的最深处。

第五派是“归因派”，失眠原因不在我，主打一个精神不内耗。

“喝了瑞幸睡不着。”“霸王茶姬失眠。”“蚊子在耳边嗡嗡嗡怎么处理?”是他们心态的真实写照。

小红书夜间搜索记录，能窥见用户的真实内心;但2024年度的关键词总结，却可能让网友们哭笑不得。

比如，有网友搜索“星露谷结婚”相关内容，被认为一年中“婚礼”对她最重要;有网友搜索“轮胎”相关词汇，年度相关词竟成了“怀孕生育”。

另一边，还有用户查找“旅行青蛙家具”内容，年度最次要的TA成了“家”;有用户爱玩游戏“肥鹅健身房”，平台认为她想要“保持不变自己”。

不仅如此，查看小红书的年度报告，发现平平无奇的评论中，也藏着不为人知的裸露，公开。

比如，一位用户凭借评论“我天，看他裆部”，被1万多名薯友点赞，因此坐实了腐女名号;还有用户凭借评论“哦抱歉，六级比你高”，化身为年度撕逼达人。

年度报告、如何不敷衍?

其实，除了美团、小红书之外，如今很多App的年度报告，都有让用户社死的可能。

比如，有网友查看B站年度报告后，发现自己某天深夜三点多钟，还在看视频《在海底发现一个洞》。

这条播放量接近600万的视频，虽然内容上平淡无趣，但UP主所选取的封面，却不能引起了潘哥不好的联想。

同时，还有网友在QQ年度报告中，看到了自己最常关注的好友，不小心点击“告诉TA”按钮后，尴尬地几乎想原地去世。

如今，大大小小的App，都在推出自家的年度报告，给用户带来回忆的同时，增强自己的存在感。

而在逐渐内卷的年度报告中，新颖的年度报告形式，也许会给App加分不少。

这其中，美团通过短剧的形式，让回顾一年的用户们，有了参演霸总、龙王、女仙尊的机会，真正成为人生剧本中的主角。

支付宝的AI对话版本，则让2024年的年度账单，不再是一组冷冰冰的数字，也有了现实的温度。

除此之外，也有一些App的年度报告，被用户们吐槽为敷衍了事。

比如，QQ今年的年度报告中，与用户有关的信息仅4页，枯燥单薄的用户数据，让人们毫无分享的欲望。

同时，QQ音乐的2024年度报告，也因为页面设计、数据抓取等问题，而遭到不少用户的吐槽，一些人甚至打算转投网易云音乐、汽水音乐。

可以看出，年度报告虽然早已泛滥，但用户对于这种形式的回顾，依然会有所期待。

毕竟，那些下单外卖时的备注，那些夜深人静时的搜索，都在用某种方式记录着，我们那个独一无二的灵魂。

声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。

像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。

在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——

“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”

“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。

也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。

它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：

在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。

“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出

DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。

根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

Deepseek罗列了几个关键的表现领域：

百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。

这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。

但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。

这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。

通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。

想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。

在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。

能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。

根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。

而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。

赞誉一片，“想快进到英伟达泡沫破裂”

简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。

在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。

此外，几个亮点包括：

DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。

在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。

这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。

另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。

这些动作相当于是告诉那些调不好参数和不平衡的的人们：

我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。

多Token预测目标（Multi-TokenPredictionObjective，MTP）

传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。

对FP8低精度训练的优化。

FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。

这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。

除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。

在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：

它显著降低了对硬件资源的需求。

技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：

推特上各个大佬纷纷点赞。

Meta的田渊栋也直接表示：

“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”

AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。

另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。

硅基流动的袁进辉在朋友圈点评：

“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”

Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。

?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。

?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。

?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。

?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。

?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。

?冷知识：FP4乘法实际上就是个16*16的tablelookup…

?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。

“Excitingyears.”他说。

在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。

你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。

有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。

一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着