DeepSeek · 2023-11 · デンス

DeepSeek LLM 7B

DeepSeek LLM 7B は DeepSeek が 2023-11 に公開したマルチヘッド注意（MHA） Transformer です。30 層、隠れ次元 4096、コンテキスト長 4,096 トークン。

層スタック

注意機構 ×30 · 層数 30

同梱の config.json に基づき作図 · 30 層 / 隠れ次元 4,096 / コンテキスト 4,096。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=10,000.

デンスモデルであり、全 5.9B 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。

前世代 DeepSeek-Coder 6.7B との全フィールド比較

モデル	DeepSeek LLM 7B	DeepSeek-Coder 6.7B	倍数
model_type	`llama`	`llama`	＝
architectures	`LlamaForCausalLM`	`LlamaForCausalLM`	＝
hidden_size	`4096`	`4096`	≈1
num_hidden_layers	`30`	`32`	×0.938
num_attention_heads	`32`	`32`	≈1
num_key_value_heads	`32`	`32`	≈1
intermediate_size	`11008`	`11008`	≈1
hidden_act	`silu`	`silu`	＝
rope_theta	`10000`	`100000`	×0.100
max_position_embeddings	`4096`	`16384`	×0.250
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`102400`	`32256`	×3.17
torch_dtype	`bfloat16`	`bfloat16`	＝
bos_token_id	`1`	`32013`	×0.000
eos_token_id	`2`	`32014`	×0.000
initializer_range	`0.02`	`0.02`	≈1
pretraining_tp	`1`	`1`	≈1
tie_word_embeddings	`false`	`false`	＝
transformers_version	`4.33.1`	`4.34.1`	≠
use_cache	`true`	`true`	＝

DeepSeek-Coder 6.7B (DeepSeek, 2023-11) 0.999
Qwen1.5 7B (Qwen, 2024-02) 0.998
LLaMA 1 7B (Meta, 2023-02) 0.882
DeepSeekMoE 16B (DeepSeek, 2024-01) 0.874
Qwen3 8B (Qwen, 2025-04) 0.782
Hunyuan 7B (Hunyuan, 2025-08) 0.782

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