DeepSeek · 2024-12 · MoE متناثر

DeepSeek-V3

DeepSeek-V3 هو محول انتباه كامن متعدد الرؤوس (MLA) أصدره DeepSeek في 2024-12، ويضم 61 طبقة وبعداً مخفياً قدره 7168 ونافذة سياق تبلغ 163,840 رمزاً.

كومة الطبقات

الانتباه ×61 · الطبقات 61

مرسوم من config.json المرفق · 61 طبقة / العرض 7,168 / 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 256 خبيراً موجهاً بتوجيه top-8؛ ونحو 37 مليار معامل نشطة لكل رمز.

يتضمن الإعداد 1 طبقات إضافية للتنبؤ متعدد الرموز (MTP) تُستخدم لتسريع فك الترميز.

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 Lite

النموذج	DeepSeek-V3	DeepSeek-V2 Lite	النسبة
model_type	`deepseek_v3`	`deepseek_v2`	≠
architectures	`DeepseekV3ForCausalLM`	`DeepseekV2ForCausalLM`	≠
hidden_size	`7168`	`2048`	×3.50
num_hidden_layers	`61`	`27`	×2.26
num_attention_heads	`128`	`16`	×8.00
num_key_value_heads	`128`	`16`	×8.00
intermediate_size	`18432`	`10944`	×1.68
hidden_act	`silu`	`silu`	＝
n_routed_experts	`256`	`64`	×4.00
num_experts_per_tok	`8`	`6`	×1.33
n_shared_experts	`1`	`2`	×0.500
moe_intermediate_size	`2048`	`1408`	×1.45
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	`129280`	`102400`	×1.26
torch_dtype	`bfloat16`	`bfloat16`	＝
num_nextn_predict_layers	`1`	`—`
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
bos_token_id	`0`	`100000`	×0.000
eos_token_id	`1`	`100001`	×0.000
ep_size	`1`	`—`

DeepSeek-V3 Base (DeepSeek, 2024-12) 1.000
DeepSeek-R1 (DeepSeek, 2025-01) 1.000
DeepSeek-V3.1 (DeepSeek, 2025-08) 1.000
DeepSeek-V3.2 (DeepSeek, 2025-09) 1.000
Kimi K2 0905 (Kimi, 2025-09) 1.000
Kimi K2.5 (Kimi, 2026-02) 1.000

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

40 حقل