DeepSeek 刚刚悄然发布了 DeepSeek-V3-0324 模型。这次更新远超预期，不仅性能大幅提升，而且新增了多项实用功能，让开发者和企业用户都为之惊叹。
回顾之前的 DeepSeek R1 版本，尽管能力出色，但仍存在几个明显短板：缺乏函数调用能力、不支持规范化的 JSON 输出。这些功能对于 AI 在实际业务场景中的应用至关重要。
以下是官方朴实无华的更新日志：
图片
中文写作能力测试
提示词：假设你是一名环保专家，最近你发现了一种新的可持续能源技术。请描述这项技术的原理、优势以及对环境的潜在影响。
1742904958
写作能力有了大幅度提升，毕竟基于 R1 ，「左脚踩右脚」
前端开发能力测试
接下来，我测试了它的前端开发能力：
我问了它：技术栈不限制，帮我实现一个网站登录界面 .html
1742905401
DeepSeek V3 函数调用功能
函数调用是这一功能使大语言模型能够根据用户提示，生成调用特定函数的结构化请求，包含函数名称和必要参数。这为 AI 与外部工具、API 的无缝集成提供了强大支持。
举例来说，众所周知大语言模型在处理复杂数学计算时存在局限性。通过函数调用，您可以为模型提供一个 "数学工具库 "，模型会指示应调用哪个函数以及需要哪些参数。系统执行该函数后，将结果与原始提示一起返回给模型，从而获得完整、准确的回答。
需要明确的是：模型自身不执行函数，它只是指示应该调用什么函数以及如何调用。
1742906059
实际应用示例
添加依赖
复制<dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-open-ai</artifactId> <version>1.0.0-beta2</version> </dependency>
创建 AI 服务接口
复制public interface FunctionAssistant {
String chat(String message);
}用注解实现业务逻辑
复制public class InvoiceHandler {
@Tool("根据用户提交的开票信息进行开票 ")
public String handle(String companyName, String dutyNumber, @P("金额保留两位有效数字 ") String amount) {
log.info("companyName =>>>> {} dutyNumber =>>>> {} amount =>>>> {}", companyName, dutyNumber, amount);
return "开票成功 ";
}
}测试调用效果
复制@Test
publicvoidtest2() {
ChatLanguageModelchatLanguageModel= OpenAiChatModel.builder()
.apiKey("sk-")
.modelName("deepseek-chat")
.baseUrl("https://api.deepseek.com/v1")
.logRequests(true)
.logResponses(true)
.build();
FunctionAssistantassistant= AiServices.builder(FunctionAssistant.class)
.chatLanguageModel(chatLanguageModel)
.tools(newInvoiceHandler())
.build();
Stringchat= assistant.chat("帮我开具发票，公司名称：深圳市腾讯计算机系统有限公司，税号：91440300734991234A，金额：100.123456");
System.out.println(chat);
}
1742906411
总结彩蛋
从笔者近期对 AI Chat2BI 业务落地的研究来看，V3 相比 R1 推理模型具备更高的可玩性。在 Chat2BI 的优化过程中，我们尝试了多种策略，但准确性始终难以显著提升。V3-0324 发布后，我们第一时间进行了实测，结果表明，在国内模型中，唯有 V3-0324 能够稳定地通过 function 实现 Chat2BI 效果（在相同提示词、SQL 字段未进行语义或向量优化的情况下，该模型自身的能力远超大部分调优手段。当然，Claude 3.7 Sonnet 也展现了惊艳的表现）。
本次更新弥补了诸多短板，使 AI 更加深度融入业务流程，未来可期待更多 AI 创新案例的涌现。唯有真正赋能业务，AI 才能创造真正的价值。
1742922457
