策略优化：开源特性，成本优势  开源策略  成本优势 DeepSeek 通过技术创新和优化策略，大幅降低了模型训练和推理 成本，使其在性价比上远超 OpenAI 等竞争对手。  训练成本：DeepSeek V3 的训练成本仅为 557.6 万美元，远低于 其他国际大公司的训练成本。这种低成本策略使得更多企业和开发 者能够负担得起高性能 AI 模型的训练和使用。  调用成本：DeepSeek R1 的 调用成本 （输出/百万 tokens） DeepSeek-V3 557.6万美元 0.14美元（缓存未命中） / 0.014美元（缓存命中） 0.28美元 DeepSeek-R1 未明确（推测低于V3） 0.14美元（缓存命中） / 0.55美元（缓存未命中） 2.19美元 OpenAI GPT-4o 10亿美元 2.5美元（缓存未命中） / 1.25美元（缓存命中） 10美元 OpenAI 相当，远超其他模型。 • 代码生成能力达专家级水平：DeepSeek R1在编程任务中，Elo评分达 2029，超越 96.3% 的人类参赛者；在工程任务中DeepSeek-R1表现略优 于 DeepSeek V3，这对开发人员在实际任务中有潜在帮助。  知识类任务表现  其他任务表现 • 在创意写作、问答、编辑、摘要等任务中，DeepSeek R1 表现优异。 • 非考试类智能处理能力强大：在 AlpacaEval

的推荐⽤法， 容易触发潜在问题 解决办法 - 单盘单RocksDB实例 单盘单RocksDB实例 • 除了Container的删除，其他操作V3都要⽐V2有数量级的提升 • 随着单盘Container数量的增多，V2的各操作性能出现下降，⽽V3性能基本没有变化 8千 vs 10万 Container 操作时间(毫秒) (柱⼦越低越好) 0 100 200 300 400 Create 144.4 254 V28K Container V2100K Container V38K Container V3100K Container V2 – RocksDB/Container V3 – RocksDB/盘 ⽬录 • Apache Hadoop HDFS⾯临的问题 • Apache Ozone介绍 • Apache Ozone适⽤场景 • Apache Ozone的最近进展

Kubernetes, and Helm? • Intro to Kubeflow, Helm, Argo • Demos • Image classification with Inception v3 and transfer learning • Automate repeatable ML experiments with containers • Deploy ML components to Intelligence solves critical life problems Demo: Find ��� Image classification with Inception v3 and transfer learning Demo: Run TensorFlow Training with Containers Demo: Serving the Model