DeepSeek · 2023-11 · مكثّف

DeepSeek-Coder 6.7B

DeepSeek-Coder 6.7B هو محول انتباه متعدد الرؤوس (MHA) أصدره DeepSeek في 2023-11، ويضم 32 طبقة وبعداً مخفياً قدره 4096 ونافذة سياق تبلغ 16,384 رمزاً.

كومة الطبقات

الانتباه ×32 · الطبقات 32

مرسوم من config.json المرفق · 32 طبقة / العرض 4,096 / السياق 16,384. رسم أصلي من هذا الأطلس.

انتباه متعدد الرؤوس (MHA) — 32 q-heads / 32 kv-heads. RoPE θ=100,000.

هو نموذج مكثف: تشارك كامل المعاملات البالغة 6.7 مليار في حساب كل رمز.

المقارنة مع النموذج السابق في المعمل نفسه؛ وإن لم يوجد فمع النموذج الأقرب بنيوياً. عمود النسبة = هذا النموذج ÷ نموذج المقارنة.

مقارنة كاملة بالأقرب Qwen1.5 7B

النموذج	DeepSeek-Coder 6.7B	Qwen1.5 7B	النسبة
model_type	`llama`	`qwen2`	≠
architectures	`LlamaForCausalLM`	`Qwen2ForCausalLM`	≠
hidden_size	`4096`	`4096`	≈1
num_hidden_layers	`32`	`32`	≈1
num_attention_heads	`32`	`32`	≈1
num_key_value_heads	`32`	`32`	≈1
intermediate_size	`11008`	`11008`	≈1
hidden_act	`silu`	`silu`	＝
rope_theta	`100000`	`1000000`	×0.100
max_position_embeddings	`16384`	`32768`	×0.500
sliding_window	`—`	`32768`
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`32256`	`151936`	×0.212
torch_dtype	`bfloat16`	`bfloat16`	＝
bos_token_id	`32013`	`151643`	×0.211
eos_token_id	`32014`	`151643`	×0.211
initializer_range	`0.02`	`0.02`	≈1
pretraining_tp	`1`	`—`
tie_word_embeddings	`false`	`false`	＝
transformers_version	`4.34.1`	`4.37.0`	≠
use_cache	`true`	`true`	＝

Qwen1.5 7B (Qwen, 2024-02) 1.000
DeepSeek LLM 7B (DeepSeek, 2023-11) 0.999
LLaMA 1 7B (Meta, 2023-02) 0.884
DeepSeekMoE 16B (DeepSeek, 2024-01) 0.873
Hunyuan-TurboS 7B (Hunyuan, 2026-05) 0.789
Llama 3.1 8B (Meta, 2024-07) 0.789

تتراوح درجات التشابه من 0 (لا سمات فئوية مشتركة) إلى 1 (ملفات بنيوية متطابقة).

20 حقل