DeepSeek · 2024-01 · MoE متناثر

DeepSeekMoE 16B

DeepSeekMoE 16B هو محول انتباه متعدد الرؤوس (MHA) أصدره DeepSeek في 2024-01، ويضم 28 طبقة وبعداً مخفياً قدره 2048 ونافذة سياق تبلغ 4,096 رمزاً.

كومة الطبقات

الانتباه ×28 · الطبقات 28

مرسوم من config.json المرفق · 28 طبقة / العرض 2,048 / السياق 4,096. رسم أصلي من هذا الأطلس.

انتباه متعدد الرؤوس (MHA) — 16 q-heads / 16 kv-heads. RoPE θ=10,000.

هو مزيج خبراء متناثر يضم 64 خبيراً موجهاً بتوجيه top-6؛ ونحو 2.6 مليار معامل نشطة لكل رمز.

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

مقارنة كاملة بالسابق DeepSeek LLM 7B

النموذج	DeepSeekMoE 16B	DeepSeek LLM 7B	النسبة
model_type	`deepseek`	`llama`	≠
architectures	`DeepseekForCausalLM`	`LlamaForCausalLM`	≠
hidden_size	`2048`	`4096`	×0.500
num_hidden_layers	`28`	`30`	×0.933
num_attention_heads	`16`	`32`	×0.500
num_key_value_heads	`16`	`32`	×0.500
intermediate_size	`10944`	`11008`	×0.994
hidden_act	`silu`	`silu`	＝
n_routed_experts	`64`	`—`
num_experts_per_tok	`6`	`—`
n_shared_experts	`2`	`—`
moe_intermediate_size	`1408`	`—`
rope_theta	`10000`	`10000`	≈1
max_position_embeddings	`4096`	`4096`	≈1
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`102400`	`102400`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
attention_bias	`false`	`—`
attention_dropout	`0`	`—`
bos_token_id	`100000`	`1`	×100000.00
eos_token_id	`100001`	`2`	×50000.50
first_k_dense_replace	`1`	`—`
initializer_range	`0.02`	`0.02`	≈1
moe_layer_freq	`1`	`—`
norm_topk_prob	`false`	`—`
pretraining_tp	`1`	`1`	≈1

DeepSeek LLM 7B (DeepSeek, 2023-11) 0.874
DeepSeek-Coder 6.7B (DeepSeek, 2023-11) 0.873
Qwen1.5 7B (Qwen, 2024-02) 0.872
Qwen3.6 35B A3B (Qwen, 2026-04) 0.832
Kimi Linear 48B A3B (Kimi, 2025-10) 0.831
GPT-OSS 120B (OpenAI, 2025-08) 0.831

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

30 حقل