DeepSeek · 2024-05 · スパースMoE

DeepSeek-V2 Lite

DeepSeek-V2 Lite は DeepSeek が 2024-05 に公開したマルチヘッド潜在注意（MLA） Transformer です。27 層、隠れ次元 2048、コンテキスト長 163,840 トークン。

層スタック

注意機構 ×27 · 層数 27

同梱の config.json に基づき作図 · 27 層 / 隠れ次元 2,048 / コンテキスト 163,840。図は本サイトのオリジナルです。

マルチヘッド潜在注意（MLA）. kv_lora_rank=512. RoPE θ=10,000.

スパースなMixture-of-Expertsモデルで、64 個のルーティングエキスパートと top-6 ルーティングを持ち、トークンごとに約 2.5B のパラメータが活性化します。

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-V2 との全フィールド比較

モデル	DeepSeek-V2 Lite	DeepSeek-V2	倍数
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

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

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。

40 フィールド