DeepSeek · 2023-11 · デンス

DeepSeek-Coder 6.7B

DeepSeek-Coder 6.7B は DeepSeek が 2023-11 に公開したマルチヘッド注意（MHA） Transformer です。32 層、隠れ次元 4096、コンテキスト長 16,384 トークン。

層スタック

注意機構 ×32 · 層数 32

同梱の config.json に基づき作図 · 32 層 / 隠れ次元 4,096 / コンテキスト 16,384。図は本サイトのオリジナルです。

マルチヘッド注意（MHA） — 32 q-heads / 32 kv-heads. RoPE θ=100,000.

デンスモデルであり、全 6.7B のパラメータがすべてのトークンの計算に参加します。

同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。

最相似 Qwen1.5 7B との全フィールド比較

モデル	DeepSeek-Coder 6.7B	Qwen1.5 7B	倍数
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

類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。

20 フィールド