DeepSeek · 2024-05 · MoE متناثر

DeepSeek-V2

DeepSeek-V2 هو محول انتباه كامن متعدد الرؤوس (MLA) أصدره DeepSeek في 2024-05، ويضم 60 طبقة وبعداً مخفياً قدره 5120 ونافذة سياق تبلغ 163,840 رمزاً.

كومة الطبقات

الانتباه ×60 · الطبقات 60

مرسوم من config.json المرفق · 60 طبقة / العرض 5,120 / السياق 163,840. رسم أصلي من هذا الأطلس.

انتباه كامن متعدد الرؤوس (MLA). kv_lora_rank=512. RoPE θ=10,000.

هو مزيج خبراء متناثر يضم 160 خبيراً موجهاً بتوجيه top-6؛ ونحو 21 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 DeepSeekMoE 16B

النموذج	DeepSeek-V2	DeepSeekMoE 16B	النسبة
model_type	`deepseek_v2`	`deepseek`	≠
architectures	`DeepseekV2ForCausalLM`	`DeepseekForCausalLM`	≠
hidden_size	`5120`	`2048`	×2.50
num_hidden_layers	`60`	`28`	×2.14
num_attention_heads	`128`	`16`	×8.00
num_key_value_heads	`128`	`16`	×8.00
intermediate_size	`12288`	`10944`	×1.12
hidden_act	`silu`	`silu`	＝
n_routed_experts	`160`	`64`	×2.50
num_experts_per_tok	`6`	`6`	≈1
n_shared_experts	`2`	`2`	≈1
moe_intermediate_size	`1536`	`1408`	×1.09
kv_lora_rank	`512`	`—`
qk_rope_head_dim	`64`	`—`
q_lora_rank	`1536`	`—`
rope_theta	`10000`	`10000`	≈1
max_position_embeddings	`163840`	`4096`	×40.00
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`	`—`
bos_token_id	`100000`	`100000`	≈1
eos_token_id	`100001`	`100001`	≈1
first_k_dense_replace	`1`	`1`	≈1

GLM-4.7-Flash (GLM, 2026-01) 0.992
Kimi Linear 48B A3B (Kimi, 2025-10) 0.990
DeepSeek-V2 Lite (DeepSeek, 2024-05) 0.985
Moonlight 16B (Kimi, 2025-02) 0.983
Kimi K2 0905 (Kimi, 2025-09) 0.937
Kimi K2.5 (Kimi, 2026-02) 0.937

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

41 حقل