“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：

这还是温和派，还有更直接的吐槽：Mistral在胡说八道些什么……

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。

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：

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……

△图源：𝕏@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。

数学公式可以更直观地反映区别。

Mixtral：

DeepSeek：

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。

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。

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。

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。

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。

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……

论文链接：Mixtral：https://arxiv.org/abs/2401.04088DeepSeek：https://arxiv.org/abs/2401.06066

参考链接：[1]https://x.com/eliebakouch/status/2014575628675092845[2]https://x.com/gm8xx8/status/2014676490797842907