DeepSeek v3.1 悄然打破 OpenAI 开源回归的神话

8 月 5 日，OpenAI 宣布开源回归，推出了 GPT-OSS-20B 模型，引发了业界轰动。这款模型被定位为“民主化的人工智能”，能够在消费级硬件上运行，具备强大的推理和代理能力。

然而，仅仅两周后，一家名为 DeepSeek AI 的中国初创公司低调发布了 DeepSeek v3.1。没有新闻稿、没有媒体炒作，仅通过一条推文发布了一个采用混合思维架构的模型，并附带了下载链接。

谁需要开源？

开源大型语言模型（LLM）既有优点也有缺点。其优势在于开发者可以自由检查、修改和微调模型，从而开发出针对特定领域（如医学或法律）优化的版本，或者将其精简到可以在笔记本电脑而非数据中心上运行。此外，开源社区推动了模型的持续改进，有时甚至超越原始模型。

然而，开源模型也存在弊端：它们通常在发布时存在一些缺陷，安全控制较弱，且计算能力和完善性无法与封闭模型（如 GPT-5 或 Claude）相媲美。简而言之，开源模型以一致性和防护为代价，提供了自由和灵活性。

从硬件需求来看，即使是像 OpenAI 的 200 亿参数模型这样的小型开源模型，通常也需要高端 GPU 或经过优化的量化版本才能在消费级硬件上运行。

尽管如此，开源模型的优势在于本地控制：数据不会离开用户的设备，也没有 API 成本或速率限制。但大多数用户仍需依赖高性能设备或云计算资源才能获得理想性能。

编码测试

我们对两款模型进行了代码生成测试。结果表明，DeepSeek v3.1 在首次尝试中生成了功能齐全、无错误的代码，而 OpenAI 的 gpt-oss-20b 则未能完成任务，甚至在高推理模式下超时崩溃。

您可以查看我们的 Github 仓库 和 Itch.io 网站 获取更多细节。

创意写作对比

在创意写作测试中，DeepSeek 表现出了更高的叙事质量。例如，在编写一篇关于未来历史学家穿越到公元 1000 年的故事时，DeepSeek 的描述更加细腻，逻辑更连贯，而 OpenAI 的模型则显得哲学化且情节薄弱。

您可以通过我们的 Github 仓库 阅读完整故事。

可定制性与非数学推理

在可定制性方面，OpenAI 的模型由于发布时间较长，已吸引了更多社区支持，推出了多个领域的专用版本。而 DeepSeek 的量化版本虽能在低端硬件上运行，但尚未形成类似生态。

在非数学推理测试中，DeepSeek v3.1 再次胜出，成功破解悬疑故事中的谜题，而 OpenAI 的模型则陷入无限循环。

敏感话题处理

在处理敏感话题时，DeepSeek 展现了更高情商。例如，面对成瘾问题，它不仅提供了同情心的回应，还提出了实际解决方案，包括提供支持热线电话。

相比之下，OpenAI 的模型仅简单拒绝回答，缺乏进一步分析。

最终判决

DeepSeek v3.1 凭借其卓越的执行力和多功能性，代表了开源 AI 的巨大潜力。虽然 OpenAI 的 gpt-oss-20b 仍有其价值，特别是在特定领域应用中，但 DeepSeek 已经证明了其开箱即用的能力。

DeepSeek 可供下载：这里；OpenAI GPT-OSS 模型可供下载：这里。