为何DeepSeek免费却仍有众多人愿意花钱使用更强大的ChatGPT？

没有评论

共计 2431 个字符，预计需要花费 7 分钟才能阅读完成。

现在DeepSeek的热度居高不下，并且是免费的，为什么还有那么多人选择付费使用ChatGPT呢？

或许是因为许多人对国外产品情有独钟吧。

在我使用ChatGPT时，主要是用来理清思路和编程，日常也做一些自媒体和小语种的需求。经过对比豆包、kimi和文心一言后，发现ChatGPT的免费版在使用体验上全面优于这些国产产品，至少它能够记住我每次的需求并量身定制内容。

最终，由于个人需要，我还是尝试了一个月的ChatGPT会员。从我的体验和观察来看，两者之间确实存在显著差异。

底层引擎一致，使用体验却天差地别

理论上，DeepSeek和ChatGPT的底层“大脑”是相似的，尽管大家普遍认为它们的理解和生成能力差不多，但后者在某些方面确实更为出色。

首先，我们需要澄清的是，DeepSeek所采用的深度搜索引擎通过优化的混合专家MoE架构和多头潜在注意力MLA机制，将复杂度降至最低，因此其搜索结果略有不同。

而OpenAI的ChatGPT基于GPT-4模型，底层同样使用Transformer架构。尽管两者都依赖于类似的技术，但由于付费模式的影响，ChatGPT的流畅性明显优于DeepSeek。

编程能力的差异

我曾经测试过，在处理编程题时，ChatGPT能够自动补全函数，而DeepSeek则只是简单重复题目。

接着显示出“怎么写这个函数”等内容，我简直无言以对，发这个问题就是希望你帮我补全，而你却只是一味地重复，这让我感受到ChatGPT在编程方面的优势。

关键的区别：使用环境与功能整合

DeepSeek作为深度搜索引擎，其R1和V3模型在文本生成和深度检索能力上与ChatGPT相差无几，但它的主要目标是提升搜索体验。而ChatGPT则专注于AI对话、内容生成及多模态能力。

ChatGPT与DeepSeek的共同点在于它们都能生成长篇内容，且处理复杂问题的能力更强。至于多模态功能，DeepSeek则不支持。

下面的这张图片展示了两者功能上的差异：

在DeepSeek更新到V3之前，初次使用时确实让人感觉乏善可陈，像是从搜索引擎中提取的内容。

还有一个幻觉问题：

尽管国内的DeepSeek备受赞誉，但在舒适度和准确率方面，国产大模型与GPT的专业版本相比仍存在差距。

我使用DeepSeek后发现，虽然免费且易用，但数据分析的准确率仅为17%，跟ChatGPT相比差距明显，重要数据还得反复核实才能放心使用。

而且每次回答后，它总会进行总结，如果涉及危险言论，会在总结时显示“我无法回答您的问题”，可以看出它在结论过程中的判断，发现危险言论后会屏蔽答案，这种反应让人觉得有些可爱。

我玩了几个小时DeepSeek，发现它在连续问答时，会把之前的回答当作我的问题一起分析，加入扩展条件，却不根据我的提问进行调整，指出错误后它也会“装傻”。

可见，DeepSeek有时会显得像在胡说八道，而ChatGPT的幻觉情况要少得多。因此，国内的企业和个人都在研究DeepSeek与ChatGPT，这为普通人提供了机会。

如果你对AI大模型有深入了解，掌握底层原理和训练方法，那么在现代社会中，你将比他人更具竞争力。例如，在网站上开发AI大模型应用、机器学习、AI自动化等领域，尤其是对专业程序员而言，掌握AI技能将带来越来越多的高薪机会。

这里有个不错的学习大模型的方法，跟随知乎知学堂的AI大模型进阶在线视频，了解大模型的幻觉原理，以及主流大模型DeepSeek和ChatGPT的核心架构。从一个小白的视角重新解析，结合基础知识和实战项目进行教学，无论是前端、后端还是Python开发，都能轻松掌握，还能教你如何利用LangChain和Fine-tune大模型的知识为工作和生活赋能，强烈推荐大家体验：

不得不说，很多知乎的朋友在学习两周后，就在金三银四的跳槽中拥有了核心竞争力，写到简历上成为亮点。在大模型的面试中显得尤为专业，获得的offer薪资也大幅提升。

无论如何，无论选择DeepSeek还是ChatGPT，二者都为人们的生产力带来了显著的科技进步：

五年前的搜索方式是：

用户输入内容==》浏览器解析==》页面显示列表信息===》查看多个页面==》总结自己想要的信息。

自2024年AI问世以来，搜索方式变为：

用户输入内容==》直接显示AI知道的内容。

此外，很多人选择ChatGPT的另一个原因是其支持多模态功能。例如，GPT-4是一个原生的多模态模型，不仅支持语音输入输出，还能进行图片的端到端输入输出，甚至视频的输入和输出。

它不仅可以通过语音生成图像，还能通过语音进行图像编辑：