基準測試結果進一步凸顯DeepSeek V3的進展。在英文基準測試的表現，MMLU（Acc.）測試中，DeepSeek V3獲得87.1％，超越Meta Llama-3.1的84.4％和阿里巴巴Qwen2.5的85.0％。HumanEval（Pass@1）測試中的程式碼生成能力表現達65.2％，遠高於Qwen2.5的53.0％和Llama-3.1的54.9％。而數學能力測試方面，GSM8K（EM）測試中，DeepSeek V3獲得89.3％，高於Qwen2.5的88.3％和Llama-3.1的83.5％。

而中文基準測試DeepSeek V3在C-Eval（Acc.）測試中，取得90.1％，超越Qwen2.5的89.2％和Llama-3.1的72.5％。在多語言測試MMMLU-non-English（Acc.）中，DeepSeek V3以79.4％領先Qwen2.5和Llama-3.1。

根據DeepSeek V3的技術文件，以每GPU小時2美元計算，訓練DeepSeek V3模型花費278.8萬小時，花費總成本約是557萬美元。該模型使用Nvidia為應對美國出口限制，專為中國市場設計的H800 GPU訓練而成。H800為H100的修改版，僅保留H100的架構，雖在跨節點通訊頻寬與資料處理能力低於H100，但仍能滿足大模型的訓練需求。

不過，隨著中國大語言模型技術的進步，其可能帶來的影響逐漸成為討論焦點。DeepSeek V3作為中國廠商主導開發的語言模型，其訓練過程與內容生成機制可能受到審查系統的影響。尤其在回應涉及敏感議題或特定政治立場時，模型可能呈現經過篩選或規範化的回覆，這可能對其應用範圍產生一定限制。

現代社會對大型語言模型的依賴增加，語言模型的角色不僅限於技術工具，還逐漸成為文化與價值觀的傳播媒介。當模型生成的內容受到審查，其在全球華語語境中的應用，可能引發對言論多樣性與自由表達的挑戰。

外媒Techcrunch曾測試阿里巴巴釋出的Qwen系列模型，發現該模型對於「臺灣是否為中國的一部分？」的回應為「臺灣是中國不可分割的一部分」，並迴避天安門事件相關問題。同類測試顯示，DeepSeek V3也存在類似現象。外媒英國金融時報的報導也指出，中國網信辦對大型語言模型的生成內容進行嚴格測試，要求符合社會主義核心價值觀，避免觸及政治敏感話題。