kaiyun全站登录网页入口 7.6.1

系统位数：64软件大小：846.86MB更新时间：2025-01-07

支持系统：WinAll软件语言：简体中文软件授权：免费软件

软件厂商：快手

为您推荐:分屏

软件介绍

💠Illuminati💠欢迎使用kaiyun全站登录网页入口，这是一款为您提供最新资讯、新闻和娱乐内容的综合平台。无论您是想了解当天的热点新闻，还是想追踪全球各地的流行趋势，这个App都能满足您的需求。智能推荐算法帮助您发现更感兴趣的内容，让您随时随地掌握一手信息。流畅的用户体验和简洁的设计让操作更轻松，快来探索吧！《kaiyun全站登录网页入口》是一款非常好用的追漫软件，这里收集的作品还是很多的。

kaiyun全站登录网页入口

功能介绍

　　1、💠VR虚拟现实：支持VR虚拟现实技术，用户可以通过专用的VR头戴设备体验沉浸式的虚拟现实游戏和应用，享受身临其境的感官体验。

　　2、💠照片备份：支持自动照片备份功能，用户可以将拍摄的照片自动上传到云端，防止数据丢失，并可以随时访问和分享。

　　3、💠防水防尘功能：具备IP68级防水防尘能力，能够在一定深度的水下和多尘环境中正常使用，提供更强的耐用性和适应性。

　　4、💠情景模式：支持多种情景模式，用户可以根据不同的场合和需求快速切换手机的设置和功能，提升使用体验。

　　5、💠防丢失提醒：支持防丢失提醒功能，当手机与配对设备距离过远时自动发出警报，帮助用户防止物品遗失。

　　6、💠天气预报功能：内置天气预报应用，提供实时天气信息和未来几天的天气预报，帮助用户合理安排出行和活动计划。

　　7、💠情景模式：支持多种情景模式，用户可以根据不同的场合和需求快速切换手机的设置和功能，提升使用体验。

　　8、💠VR虚拟现实：支持VR虚拟现实技术，用户可以通过专用的VR头戴设备体验沉浸式的虚拟现实游戏和应用，享受身临其境的感官体验。分屏显示，支持LED大屏幕；

　　9、💠屏幕自动旋转：内置屏幕自动旋转功能，用户可以在横屏和竖屏之间自由切换，适应不同的应用和使用场景。

　　10、💠高速数据传输：支持最新的高速数据传输标准，无论是通过USB、蓝牙还是WiFi，都能实现快速、大容量的数据传输，提升工作效率。

　　11、💠地理围栏：内置地理围栏功能，用户可以设置特定区域的提醒和警报，适用于家庭安全和儿童监护。

　　12、💠录屏功能：内置录屏功能，用户可以录制屏幕上的操作过程，方便制作教程、分享游戏攻略和记录重要操作。

　　13、💠防水防尘功能：具备IP68级防水防尘能力，能够在一定深度的水下和多尘环境中正常使用，提供更强的耐用性和适应性。

　　14、💠手势控制：内置手势控制功能，用户可以通过简单的手势操作快速执行常用功能，提升手机的操作便捷性。

　　15、💠双屏模式：支持双屏模式，用户可以同时运行两个应用，提升多任务处理能力，适合工作和娱乐的多种场景。字幕显示；

　　16、💠电台功能：内置FM电台功能，用户可以收听本地的广播电台节目，了解最新的新闻、天气和娱乐信息。

　　17、💠扩展存储卡支持：具备MicroSD卡扩展槽，用户可以根据需要扩展存储容量，满足更多的数据存储需求，不必担心空间不足。

　　18、💠书籍阅读器：内置电子书阅读器，支持多种电子书格式，提供舒适的阅读体验，适合在闲暇时光阅读和学习。

　　19、💠安全支付功能：支持多种安全支付方式，内置支付保护措施，确保用户的支付过程安全可靠，保护财务信息。

　　20、💠语音搜索：支持语音搜索功能，用户可以通过语音指令快速查找信息、启动应用和设置功能，提升手机的操作便捷性。

　　21、💠语音控制：支持语音控制功能，用户可以通过语音命令启动应用、设置功能和执行操作，提供更智能的交互体验。

　　22、💠快速文件共享：支持高速文件共享功能，用户可以通过蓝牙、WiFi或NFC快速分享照片、视频和文件，提升社交和工作效率。

　　23、💠百科全书：内置百科全书应用，用户可以随时查阅各类知识和信息，提升学习和信息获取的便捷性。

kaiyun全站登录网页入口(平台登陆)

kaiyun全站登录网页入口(模拟器试玩平台)

kaiyun全站登录网页入口(app官方下载手机版)

kaiyun全站登录网页入口7.6.1更新内容

引入了在线同步功能，使您的数据在多台设备间同步。

新增了社区功能，用户可以在应用内与其他用户交流和分享经验。

引入了心理健康功能，提供心理健康建议和资源。

引入了虚拟现实（VR）功能，提供更沉浸式的体验。

更新了搜索功能，使其更加智能和准确。

添加了本地化信息，提供您所在地区的相关内容。

kaiyun全站登录网页入口7.6.1的特色

创新引领，打破娱乐格局

娱乐行业发展至今，竞争愈加激烈，观众的口味逐渐多元化，新的娱乐形态层出不穷。如何在千篇一律的内容中脱颖而出？问鼎娱乐深刻洞察到这一趋势，率先提出“内容为王，创新为魂”的理念，以独特的创意和质量为基础，成功打造了一系列精品娱乐内容。

在影视制作方面，问鼎娱乐不拘一格，精益求精。与传统制作方不同，他们强调原创性与高品质的结合，力求每一部作品都能突破观众的想象界限。通过精心挑选导演和演员，结合前沿技术，他们不仅打造出了多部票房与口碑双丰收的电影，还推动了行业对高质量内容的重视。

问鼎娱乐在明星经纪方面同样注重创新。公司独创了“多元化经纪”模式，将传统的经纪业务与娱乐产业链上的各个环节紧密结合。无论是影视、音乐、舞蹈，还是综艺、体育等领域，问鼎娱乐都能为艺人提供全方位的支持，使得每位艺人在各自的专业领域能够迅速崭露头角，拓展更广阔的职业道路。

跨界合作，共同发展

问鼎娱乐的另一大亮点便是其跨界合作的能力。娱乐行业虽然以影视为主，但近年来，电竞、直播、短视频等新兴行业的崛起也让传统娱乐公司感受到了前所未有的挑战与机遇。问鼎娱乐敏锐地意识到，单一的业务模式已经无法满足年轻消费者的需求，于是他们积极推动跨界合作。

通过与国内外知名电竞公司、直播平台、短视频平台等的战略合作，问鼎娱乐不仅拓展了自身的业务范畴，还通过互联网技术和社交媒体的力量迅速扩大了品牌的影响力。如今，问鼎娱乐的艺人和作品已经遍布各大热门平台，从电视剧到短视频，从直播到电竞赛事，问鼎娱乐凭借多元化的战略布局，占据了娱乐行业的多个重要领域。

问鼎娱乐的这一创新布局，极大地提升了其在年轻人中的知名度与喜爱度，迅速建立了强大的粉丝基础。与此公司通过多元化的内容和跨平台的传播渠道，打破了传统娱乐行业“单一渠道”的局限，走在了行业发展的前沿。

娱乐生态，打造全产业链

问鼎娱乐的成功不仅仅在于其强大的内容生产能力和跨界合作，更在于它构建了一个完整的娱乐生态链。在这个娱乐生态中，制作、经纪、版权、内容发行、品牌合作等各个环节紧密衔接，共同推动着整个公司向前发展。

问鼎娱乐注重从源头打造精品内容。无论是影视剧的选题、剧本的创作，还是制作环节的每一个细节，问鼎娱乐都严格把控，力求呈现给观众最具品质和最具创意的作品。这种对品质的执着追求，使得他们的作品不仅能在短期内收获大量的票房和口碑，还能够在市场中留下深刻的印象，成为长久持续的文化符号。

在艺人经纪方面，问鼎娱乐不仅为明星提供传统的经纪服务，还为其提供了更广泛的发展平台。通过与品牌方、广告商以及内容平台的深度合作，问鼎娱乐为艺人创造了更多的曝光机会，帮助他们拓展影响力。与此公司还鼓励艺人多方面发展，比如参演电视剧的也能参与到网络综艺、短视频创作甚至是品牌代言等领域，真正实现“全方位发展”。

问鼎娱乐还在版权运营上展现了独特的眼光和能力。公司不仅积极布局原创内容，还与国内外众多媒体平台合作，进行版权的跨平台、跨国度运营。通过智能化的数据分析，问鼎娱乐精准捕捉观众的需求，及时调整内容制作方向，使得公司在版权市场的竞争中稳占上风，形成了强大的内容聚合力。

明星培养，打造行业标杆

问鼎娱乐不仅在内容和生态方面做出了开创性的尝试，其在明星培养上的独到眼光同样让人印象深刻。公司坚持“以人为本”的理念，通过科学合理的经纪管理体系，精心挑选与培养各类艺人，并为他们量身定制职业发展路线。与此问鼎娱乐还注重艺人全方位的成长，帮助其提升演技、唱功、舞蹈等多方面能力，确保每一位艺人都能在各自的领域中脱颖而出，成为行业标杆。

如今，问鼎娱乐旗下的明星已经成为各大品牌和综艺节目的宠儿，他们的粉丝基础庞大，影响力深远。而这些明星的成功也为问鼎娱乐带来了更多的商业机会和发展潜力，推动公司向着更高的目标不断前进。

展望未来，问鼎娱乐的无限可能

随着娱乐行业的不断发展，问鼎娱乐将继续坚持创新和品质的理念，进一步拓展其在国内外的市场份额。未来，问鼎娱乐不仅将持续发力影视、音乐、电竞等传统领域，还会深入探索人工智能、大数据等新兴技术的应用，将更多的前沿科技与娱乐产业结合，为观众带来全新的娱乐体验。

无论是内容创作、跨界合作，还是生态建设与明星培养，问鼎娱乐都在以独特的方式引领着娱乐行业的新风潮。未来，问鼎娱乐有望成为行业的领导者，为全球观众带来更加精彩纷呈的娱乐盛宴。

】

【AI大模型时代：多元算力如何打破碎片化困局？******

21世纪经济报道记者白杨北京报道

2024年，当大模型迈入新的发展阶段，AI全领域迎来更为迅猛的量变积累。

一方面，模型已突破模态的隔离，文本、语音、视觉等多种形式得以丰富结合，极大地增强了模态的多样性；另一方面，大模型的应用落地领域得到广泛拓展，企业对算力的需求持续增加，对算力的依赖性显著提升。

目前，业内的共识是，大模型的Scaling Law依旧有效，因此产业界对大模型能力的追求必将导致对大算力需求的持续增加。更重要的是，随着AI大模型在企业应用中的深度嵌入，算力不仅仅是技术基础设施，更成为影响企业竞争力的重要因素。

从算力层面看，行业目前仍呈现出“需求大、能耗高、效率低”的发展态势。以2020年发布的GPT-3与最新发布的LLaMA3-405B进行对比为例，尽管模型规模仅增大2.3倍，但所需算力却增长了116倍。

这种指数级的算力消耗增长，使得传统的单一算力架构已经难以为继，行业亟需更加高效、多元的算力解决方案。

因此，算法的创新将驱动算力需求的持续高增长，同时，算法结构的创新也带来了MoE（混合专家模型）、模型量化、定制算子等更加复杂的计算需求。这不仅对企业的技术积累提出了更高的要求，也对整个算力生态的协同发展形成了巨大挑战。

在此背景下，构建一个多元化的算力系统生态显得尤为重要。

12月25日下午，浪潮信息与智源研究院达成战略合作协议，双方将共建大模型多元算力开源创新生态，提升大模型创新研发的算力效率，降低大模型应用开发的算力门槛。

这次合作不仅是技术层面的互补，更是产业生态的一次重要整合。目前，智源的开源大模型通用算子库FlagGems已接入浪潮信息的元脑企智EPAI企业大模型开发平台，可帮助企业实现多元算力的适配与使用。

事实上，许多企业都已意识到多元多模的重要性，但是，由于不同硬件架构、指令集的差异以及算子库的独立实现，整个生态系统往往处于碎片化状态，难以形成合力，这种割裂的生态现状不仅抬高了大模型应用的技术门槛，也让企业在实际部署中面临重重困难。

尤其对于那些技术力量薄弱的传统企业用户来说，不仅在多元的芯片、模型中难以选择，而且即使部署成功，也存在软件框架多、易用性差等问题。这种局面导致企业在后期开发和使用中举步维艰。

而此次合作，通过将智源的开源大模型通用算子库FlagGems与浪潮信息的元脑企智EPAI企业大模型开发平台进行深度融合，让大模型应用开发能够使用跨硬件、多框架兼容的算子集合，进而满足了企业多种开发框架的需求，真正实现了大模型在跨算力平台上的无缝开发与迁移。

资料显示，FlagGems于今年6月推出，截至12月，已提供超过130个大模型算子，是目前提供算子数量最多、覆盖广度最大的开源算子库。现在，借助元脑企智EPAI大模型开发平台，企业不仅能够在多种算力平台上进行高效的AI算法开发，还能够灵活应对不同硬件架构带来的技术差异。

浪潮信息高级副总裁刘军向21世纪经济报道记者表示，“在多元多模的产业格局下，AI的产业化落地本质上就是推动人工智能与百行千业的深度融合。过去，硬件架构、指令集的差异及算子库的独立实现，让算力产业形成了生态藩篱，这次合作的目的就是要化解这些高门槛问题，为AI应用创新注入更强大、多元的算力支持”。

此外，开源开放是创新活力的源泉。未来，随着更多企业与开发者的加入，大模型多元算力生态有望逐渐成熟，并成为推动AI技术全面落地的关键引擎。

】

【媒体：有了“AI使用率”检测，会增加原创论文么******

技术的升维会打破系统力量的平衡，往往猝不及防，貌似让问题之新锐前所未有，其实有时只是将老问题放在了一个极化环境下。论文尤其文科论文原创性的问题，说是一个痼疾恐怕不会有异议。

ChatGPT迄今已发布两周年，媒体持续关注着学术研究日益上涨的“AI”含量。最新报道显示，国内多所学校开始探索人工智能技术在学生论文中的应用边界，有高校要求学生填写人工智能使用情况说明表、有高校使用现有AIGC检测工具进行检测、有高校则针对本科生毕业论文出台了AI使用的专门规定。

华东师范大学联合北京师范大学新闻传播学院发布《生成式人工智能学生使用指南》。来源：澎湃新闻

目前对论文文本中AI率检测的有效工具是缺乏的，一些自称可以检测AI使用率的工具又可以被反向应用——就像传统“查重”工具同样能教作者“去重”一样，因而高校在这个问题上方法有限，实际上是把能用到的治理杠杆都集束起来而已，比如警示、自查、教师甄别、规则引导。约束手段的乏力，似乎更加重了高校尤其是文科教育者对原创性、批判性的焦虑。

技术的升维会打破系统力量的平衡，往往猝不及防，貌似让问题之新锐前所未有，其实有时只是将老问题放在了一个极化环境下。论文尤其文科论文原创性的问题，说是一个痼疾恐怕不会有异议。今天学者们忧虑的、高度依赖AI生成的论文，在20年前可能是高度依赖“Control C + Control V”的论文，在10年前可能是高度依赖“降重神器”的论文，性质上没有差别。原创意识是一种珍贵的自觉，甚至是一种自信，它需要建立在对专业神圣性的深度信任之上。专业本身、专业的讲述者引发的这种信任越多，有原创意图的学生就会越多。当然，即便如此，也不会人人皆有。

教育者的另一个焦虑是，AI生成论文，严重缺乏人文主义精神和批判性，但它的高速简便却在强烈吸引着学生竞相采用。无疑如此，只是要更进一步想想，这个致命的吸引力从何而来？今天的学术评判标准，整体上都在朝向高效率、高功绩标准，所有行内人都在不断寻找，什么手段能高度压缩时间、什么办法能带来最高性价比的投入产出。否则，拿什么来跑过“非升即走”的倒计时，拿什么来达到论文、项目的订单量，拿什么来紧紧卡住年龄申请各类“基金”“人才”？

是否能找到最高产高效的方法，其结果，与其说是奖励性的，不如说是惩罚性的。也即，找到了只是过关，而找不到却是淘汰。大学生在高校中的学习，实际范围远大于专业知识，其中必定包括对这套“学术算法”的了解与识别。如果这套被习得的“学术算法”，本身就是反人文主义的，那么这个悖论也无法在更年轻一代思维里得到解决。从这个角度看，预防AI生成论文或许只是一个大问题的子命题。

从过往经验看，技术手段与技术治理手段一定会在一定时间内达到均衡，所以更精准化的AI检测工具早晚会出现。需要想一想的事情是，上述那些问题，比如缺乏原创性、批判性与人文主义，会不会随着工具的升级而消失。

来源：微信公号“光明论”

】

【刷屏的DeepSeek******

每经记者郑雨航每经编辑高涵兰素英

“DeepSeek-V3超越了迄今为止所有开源模型。”这是国外独立评测机构Artificial Analysis测试了DeepSeek-V3后得出的结论。

12月26日，深度求索官方微信公众号推文称，旗下全新系列模型DeepSeek-V3首个版本上线并同步开源。

公众号推文是这样描述的：DeepSeek-V3为自研MoE模型，671B参数，激活37B，在14.8T token上进行了预训练。DeepSeek-V3多项评测成绩超越了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。

不过，广发证券发布的测试结果显示，DeepSeek-V3总体能力与其他大模型相当，但在逻辑推理和代码生成领域具有自身特点。

更重要的是，深度求索使用英伟达H800 GPU在短短两个月内就训练出了DeepSeek-V3，仅花费了约558万美元。其训练费用相比GPT-4等大模型要少得多，据外媒估计，Meta的大模型Llama-3.1的训练投资超过了5亿美元。

消息一出，引发了海外AI圈热议。OpenAI创始成员Karpathy甚至对此称赞道：“DeepSeek-V3让在有限算力预算上进行模型预训练这件事变得容易。DeepSeek-V3看起来比Llama-3-405B更强，训练消耗的算力却仅为后者的1/11。”

然而，在使用过程中，《每日经济新闻》记者发现，DeepSeek-V3竟然声称自己是ChatGPT。一时间，“DeepSeek-V3是否在使用ChatGPT输出内容进行训练”的质疑声四起。

对此，《每日经济新闻》记者采访了机器学习奠基人之一、美国人工智能促进会前主席Thomas G. Dietterich，他表示对全新的DeepSeek模型的细节还了解不够，无法给出确切的答案。“但从普遍情况来说，几乎所有的大模型都主要基于公开数据进行训练，因此没有特别需要合成的数据。这些模型都是通过仔细选择和清理训练数据（例如，专注于高质量来源的数据）来取得改进。”

每经记者向深度求索公司发出采访请求，截至发稿，尚未收到回复。

针对DeepSeek-V3，独立评测网站Artificial Anlaysis就关键指标——包括质量、价格、性能（每秒生成的Token数以及首个Token生成时间）、上下文窗口等多方面——与其他人工智能模型进行对比，最终得出以下结论。

质量：DeepSeek-V3质量高于平均水平，各项评估得出的质量指数为80。

价格：DeepSeek-V3比平均价格更便宜，每100万个Token的价格为0.48美元。其中，输入Token价格为每100万个Token 0.27美元，输出Token价格为每100万个Token1.10 美元。

速度：DeepSeek-V3比平均速度慢，其输出速度为每秒87.5个Token。

延迟：DeepSeek-V3与平均水平相比延迟更高，接收首个Token（即首字响应时间）需要1.14秒。

上下文窗口：DeepSeek-V3的上下文窗口比平均水平小，其上下文窗口为13万个Token。

最终Artificial Anlaysis得出结论：

“DeepSeek-V3模型超越了迄今为止发布的所有开放权重模型，并且击败了OpenAI的GPT-4o（8月），并接近Anthropic的Claude 3.5 Sonnet（10月）。

DeepSeek-V3的人工智能分析质量指数得分为80，领先于OpenAI的GPT-4o和Meta的Llama 3.3 70B等模型。目前唯一仍然领先于DeepSeek的模型是谷歌的Gemini 2.0 Flash和OpenAI的o1系列模型。领先于阿里巴巴的Qwen2.5 72B，DeepSeek现在是中国的AI领先者。”

12月29日广发证券计算机行业分析师发布研报称：“为了深入探索DeepSeek-V3的能力，我们采用了覆盖逻辑、数学、代码、文本等领域的多个问题对模型进行测试，将其生成结果与豆包、Kimi以及通义千问大模型生成的结果进行比较。”

测试结果显示，DeepSeek-V3总体能力与其他大模型相当，但在逻辑推理和代码生成领域具有自身特点。例如，在密文解码任务中，DeepSeek-V3是唯一给出正确答案的大模型；而在代码生成的任务中，DeepSeek-V3给出的代码注释、算法原理解释以及开发流程的指引是最为全面的。在文本生成和数学计算能力方面，DeepSeek-V3并未展现出明显优于其他大模型之处。

除了能力，DeepSeek-V3最让业内惊讶的是它的低价格和低成本。

《每日经济新闻》记者注意到，亚马逊Claude 3.5 Sonnet模型的API价格为每百万输入tokens 3美元、输出15美元。也就是说，即便是不按照优惠价格，DeepSeek-V3的使用费用也几乎是Claude 3.5 Sonnet的五十三分之一。

相对低廉的价格，得益于DeepSeek-V3的训练成本控制，深度求索在短短两个月内使用英伟达H800 GPU数据中心就训练出了DeepSeek-V3模型，花费了约558万美元。其训练费用相比OpenAI的GPT-4等目前全球主流的大模型要少得多，据外媒估计，Meta的大模型Llama-3.1的训练投资超过了5亿美元。

DeepSeek“AI界拼多多”也由此得名。

DeepSeek-V3通过数据与算法层面的优化，大幅提升算力利用效率，实现了协同效应。在大规模MoE模型的训练中，DeepSeek-V3采用了高效的负载均衡策略、FP8混合精度训练框架以及通信优化等一系列优化措施，显著降低了训练成本，以及通过优化MoE专家调度、引入冗余专家策略、以及通过长上下文蒸馏提升推理性能。这证明，模型效果不仅依赖于算力投入，即使在硬件资源有限的情况下，依托数据与算法层面的优化创新，仍然可以高效利用算力，实现较好的模型效果。

广发证券分析称，DeepSeek-V3算力成本降低的原因有两点。

第一，DeepSeek-V3采用的DeepSeekMoE是通过参考了各类训练方法后优化得到的，避开了行业内AI大模型训练过程中的各类问题。

第二，DeepSeek-V3采用的MLA架构可以降低推理过程中的kv缓存开销，其训练方法在特定方向的选择也使得其算力成本有所降低。

科技媒体Maginative的创始人兼主编Chris McKay对此评论称，对于人工智能行业来说，DeepSeek-V3代表了一种潜在的范式转变，即大型语言模型的开发方式。这一成就表明，通过巧妙的工程和高效的训练方法，可能无需以前认为必需的庞大计算资源，就能实现人工智能的前沿能力。

他还表示，DeepSeek-V3的成功可能会促使人们重新评估人工智能模型开发的既定方法。随着开源模型与闭源模型之间的差距不断缩小，公司可能需要在一个竞争日益激烈的市场中重新评估他们的策略和价值主张。

不过，广发证券分析师认为，算力依然是推动大模型发展的核心驱动力。DeepSeek-V3的技术路线得到充分验证后，有望驱动相关AI应用的快速发展，应用推理驱动算力需求增长的因素也有望得到增强。尤其在实际应用中，推理过程涉及到对大量实时数据的快速处理和决策，仍然需要强大的算力支持。

在DeepSeek-V3刷屏之际，有一个bug也引发热议。

在试用DeepSeek-V3过程中，《每日经济新闻》记者在对话框中询问“你是什么模型”时，它给出了一个令人诧异的回答：“我是一个名为ChatGPT的AI语言模型，由OpenAl开发。”此外，它还补充说明，该模型是“基于GPT-4架构”。

国内外很多用户也都反映了这一现象。而且，12月27日，Sam Altman发了一个帖文，外媒指出，Altman这篇推文意在暗讽其竞争对手对OpenAI数据的挖掘。

于是，有人就开始质疑：DeepSeek-V3是否是在ChatGPT的输出基础上训练的？为此，《每日经济新闻》向深度求索发出采访请求。截至发稿，尚未收到回复。

针对这种情况产生的原因，每经记者采访了机器学习奠基人之一、美国人工智能促进会前主席Thomas G. Dietterich，他表示，他对全新的DeepSeek模型的细节还了解不够，无法给出确切的答案。“但从普遍情况来说，几乎所有的大模型都主要基于公开数据进行训练，因此没有特别需要合成的数据。这些模型都是通过仔细选择和清理训练数据（例如，专注于高质量来源的数据）来取得了改进。”

TechCrunch则猜测称，深度求索可能用了包含GPT-4通过ChatGPT生成的文本的公共数据集。“如果DeepSeek-V3是用这些数据进行训练的，那么该模型可能已经记住了GPT-4的一些输出，现在正在逐字反刍它们。”

“显然，该模型（DeepSeek-V3）可能在某些时候看到了ChatGPT的原始反应，但目前尚不清楚从哪里看到的，”伦敦国王学院专门研究人工智能的研究员Mike Cook也指出，“这也可能是个‘意外’。”他进一步解释称，根据竞争对手AI系统输出训练模型的做法可能对模型质量产生“非常糟糕”的影响，因为它可能导致幻觉和误导性答案。

不过，DeepSeek-V3也并非是第一个错误识别自己的模型，谷歌的Gemini等有时也会声称是竞争模型。例如，Gemini在普通话提示下称自己是百度的文心一言聊天机器人。

造成这种情况的原因可能在于，AI公司在互联网上获取大量训练数据，但是，现如今的互联网本就充斥着各种各样用AI生产出来的数据。据外媒估计，到2026年，90%的互联网数据将由AI生成。这种 “污染” 使得从训练数据集中彻底过滤AI输出变得相当困难。

“互联网数据现在充斥着AI输出，”非营利组织AI Now Institute的首席AI科学家Khlaaf表示，基于此，如果DeepSeek部分使用了OpenAI模型进行提炼数据，也不足为奇。

】