“DeepSeek-V3 基于我们的架构打造”，Mistral CEO Arthur Mensch 逆天发言被喷

“DeepSeek-V3 是在 Mistral 提出的架构上构建的。”

欧洲版 OpenAI CEO 此言一出，炸了锅了。网友们的反应 be like：

图片

这还是温和派，还有更直接的吐槽：Mistral 在胡说八道些什么……

图片

还没吃上瓜的家人们别着急，咱们从头捋一捋这事儿：

在最近一次访谈中，当被问到如何看待中国开源 AI 的强势发展时，Mistral 联合创始人、CEO Arthur Mensch 这样回应：

中国在 AI 领域实力强劲。我们是最早发布开源模型的公司之一，而他们发现这是一个很好的策略。

开源不是真正的竞争，大家在彼此的基础上不断进步。

比如我们在 2024 年初发布了首个稀疏混合专家模型（MoE），DeepSeek-V3 以及之后的版本都是在此基础上构建的。它们采用的是相同的架构，而我们把重建这种架构所需的一切都公开了。

图片

Arthur Mensch 很自信，但网友们听完表示：桥豆麻袋，这不对劲。

且不说 DeepSeek MoE 论文的发布时间和 Arthur Mensch 提到的 Mixtral 论文相差仅 3 天：

图片

图片

认真细扒起来，两种架构实际上思路也并不相同。

并且此前，Mistral 3 Large 还曾被扒出基本上照搬了 DeepSeek-V3 采用的架构……

图片

▲ 图源 @Sebastian Raschka

数学公式揭示区别

甭管怎么说，Mistral 这发言一出来，严谨的网友们第一反应还是精准论证。两篇论文都在 arXiv 上立等可看，那么就是一手直接开扒。

Arthur Mensch 说的没错的一点是，这两篇发表时间相差 3 天的论文，研究的都是稀疏混合专家系统（SMoE），目的都是通过稀疏激活来降低计算成本并提升模型能力。

但两者在出发点上就有所不同 —— Mixtral 偏向于工程思维，重点放在证明强大的基础模型 + 成熟的 MoE 技术，可以实现超越更大稠密模型的效果。

而 DeepSeek 的核心在于算法创新。论文试图解决传统 MoE 中专家“学得太杂”和“重复学习”的问题，本质上是对 MoE 架构的重新设计。

图片

数学公式可以更直观地反映区别。

Mixtral：

图片

DeepSeek：

图片

两者的采用了 GShard 风格的 Top-K router。但 DeepSeek 改变了传统 MoE 架构中的门控机制和专家结构。

在专家粒度和数量方面，Mixtral 沿用了标准的 MoE 设计，每个专家都是一个完整的 FFN 块。

DeepSeek 则提出了细粒度专家分割，在保持总参数量不变的情况下，将大专家切分成了许多个小专家。通过更细的切分，不同的专家可以更灵活地组合，从而实现更精准的知识习得。

在路由机制上，Mixtral 中所有专家地位平等，路由网络根据输入动态选择专家。

DeepSeek 引入了共享专家，共享专家不参与路由，总是被激活，而路由专家参与 Top-K 竞争。

这就使得 Mixtral 的知识分布是扁平的，通用知识和特定知识混杂在同一个专家内；而 DeepSeek 的知识分布是解耦的，共享专家负责通用知识，路由专家负责特定知识。

另外，有网友提到，Mixtral of Experts 这篇论文实际上完全没讲训练细节，只是提到“我们采用了 Google GShard 架构，采用了更简单的路由，并且每一层都使用了 MoE”，至于数据、超参数、训练 token、消融实验…… 一概没提。

图片

因崔斯汀的一点是，倒是 2025 年 12 月发布的 Mistral 3 Large，被发现直接沿用了 DeepSeek-V3 的架构。

图片

网友：开始岁月史书了？

倒不是说 Mistral 对 MoE 的推广没有贡献，但诚如网友所言，不可否认的是，DeepSeek 最终在稀疏 MoE、MLA 等技术上获得了更大的影响力。

图片

于是 Arthur Mensch 就显得有点“逆天”了：

Mistral 被发现用了 DeepSeek 的架构。现在他们试图通过岁月史书来挽回面子。

图片

图片

还有网友吐槽屠龙者终成恶龙，现在的 Mistral，已经不是曾经惊艳大模型开源圈的那个 Mistral 了。

图片

Anyway，嘴炮无用，接下来，围绕基础模型的竞逐，已经预告了精彩继续。

DeepSeek 就被曝已经瞄准了春节档……

图片

论文链接：

本文来自微信公众号：量子位（ID：QbitAI），作者：鱼羊，原标题《“DeepSeek-V3 基于我们的架构打造”，欧版 OpenAI CEO 逆天发言被喷了》