DeepSeek · 2024-05 · MoE متناثر
DeepSeek-V2 Lite
DeepSeek-V2 Lite هو محول انتباه كامن متعدد الرؤوس (MLA) أصدره DeepSeek في 2024-05، ويضم 27 طبقة وبعداً مخفياً قدره 2048 ونافذة سياق تبلغ 163,840 رمزاً.
كومة الطبقات
الانتباه ×27 · الطبقات 27
حقائق رئيسية
| المعمل | DeepSeek |
|---|---|
| تاريخ الإصدار | 2024-05 |
| المعاملات | 15.6 مليار |
| النشطة | 2.5 مليار |
| السياق | 163,840 tokens |
| الانتباه | MLA · kv_lora_rank 512 |
| الطبقات | 27 |
| بعد الطبقة المخفية | 2,048 |
| رؤوس الانتباه | 16 |
| حجم المفردات | 102,400 |
| ترميز الموضع | RoPE |
| التطبيع | RMSNorm |
| دالة التنشيط | silu |
| الدقة | bf16 |
| فئة المعمارية | DeepseekV2ForCausalLM |
نظرة عامة على المعمارية
الانتباه
انتباه كامن متعدد الرؤوس (MLA). kv_lora_rank=512. RoPE θ=10,000.
الشبكة التغذية / MoE
هو مزيج خبراء متناثر يضم 64 خبيراً موجهاً بتوجيه top-6؛ ونحو 2.5 مليار معامل نشطة لكل رمز.
مقارنة حقل بحقل
المقارنة مع النموذج السابق في المعمل نفسه؛ وإن لم يوجد فمع النموذج الأقرب بنيوياً. عمود النسبة = هذا النموذج ÷ نموذج المقارنة.
مقارنة كاملة بالسابق DeepSeek-V2
| النموذج | DeepSeek-V2 Lite | DeepSeek-V2 | النسبة |
|---|---|---|---|
| model_type | deepseek_v2 | deepseek_v2 | ＝ |
| architectures | DeepseekV2ForCausalLM | DeepseekV2ForCausalLM | ＝ |
| hidden_size | 2048 | 5120 | ×0.400 |
| num_hidden_layers | 27 | 60 | ×0.450 |
| num_attention_heads | 16 | 128 | ×0.125 |
| num_key_value_heads | 16 | 128 | ×0.125 |
| intermediate_size | 10944 | 12288 | ×0.891 |
| hidden_act | silu | silu | ＝ |
| n_routed_experts | 64 | 160 | ×0.400 |
| num_experts_per_tok | 6 | 6 | ≈1 |
| n_shared_experts | 2 | 2 | ≈1 |
| moe_intermediate_size | 1408 | 1536 | ×0.917 |
| kv_lora_rank | 512 | 512 | ≈1 |
| qk_rope_head_dim | 64 | 64 | ≈1 |
| q_lora_rank | — | 1536 | |
| rope_theta | 10000 | 10000 | ≈1 |
| max_position_embeddings | 163840 | 163840 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 102400 | 102400 | ≈1 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| attention_bias | false | false | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| aux_loss_alpha | 0.001 | 0.001 | ≈1 |
| bos_token_id | 100000 | 100000 | ≈1 |
| eos_token_id | 100001 | 100001 | ≈1 |
| first_k_dense_replace | 1 | 1 | ≈1 |
أكثر المعماريات تشابهاً
- GLM-4.7-Flash (GLM, 2026-01) 0.998
- Moonlight 16B (Kimi, 2025-02) 0.997
- Kimi Linear 48B A3B (Kimi, 2025-10) 0.996
- DeepSeek-V2 (DeepSeek, 2024-05) 0.985
- DeepSeek-V3 (DeepSeek, 2024-12) 0.915
- DeepSeek-V3 Base (DeepSeek, 2024-12) 0.915
تتراوح درجات التشابه من 0 (لا سمات فئوية مشتركة) إلى 1 (ملفات بنيوية متطابقة).
حقول config.json الخام
40 حقل
| architectures | DeepseekV2ForCausalLM |
|---|---|
| attention_bias | false |
| attention_dropout | 0 |
| aux_loss_alpha | 0.001 |
| bos_token_id | 100000 |
| eos_token_id | 100001 |
| first_k_dense_replace | 1 |
| hidden_act | silu |
| hidden_size | 2048 |
| initializer_range | 0.02 |
| intermediate_size | 10944 |
| kv_lora_rank | 512 |
| max_position_embeddings | 163840 |
| model_type | deepseek_v2 |
| moe_intermediate_size | 1408 |
| moe_layer_freq | 1 |
| n_group | 1 |
| n_routed_experts | 64 |
| n_shared_experts | 2 |
| norm_topk_prob | false |
| num_attention_heads | 16 |
| num_experts_per_tok | 6 |
| num_hidden_layers | 27 |
| num_key_value_heads | 16 |
| pretraining_tp | 1 |
| qk_nope_head_dim | 128 |
| qk_rope_head_dim | 64 |
| rms_norm_eps | 0.000001 |
| rope_theta | 10000 |
| routed_scaling_factor | 1 |
| scoring_func | softmax |
| seq_aux | true |
| tie_word_embeddings | false |
| topk_group | 1 |
| topk_method | greedy |
| torch_dtype | bfloat16 |
| transformers_version | 4.33.1 |
| use_cache | true |
| v_head_dim | 128 |
| vocab_size | 102400 |