DeepSeek · 2024-05 · 스파스 MoE

DeepSeek-V2 Lite

DeepSeek-V2 Lite은(는) DeepSeek가 2024-05에 공개한 멀티헤드 잠재 어텐션(MLA) Transformer로, 27개 층, 은닉 차원 2048, 컨텍스트 길이 163,840 토큰을 갖습니다.

레이어 스택

어텐션 ×27 · 레이어 수 27

동봉된 config.json을 바탕으로 작도 · 27층 / 은닉 2,048 / 컨텍스트 163,840. 도식은 본 사이트의 오리지널입니다.

멀티헤드 잠재 어텐션(MLA). kv_lora_rank=512. RoPE θ=10,000.

스파스 Mixture-of-Experts 모델로, 64개 라우팅 전문가와 top-6 라우팅을 사용하며 토큰당 약 2.5B 파라미터가 활성화됩니다.

같은 연구소의 이전 세대 모델과 비교합니다. 없으면 구조가 가장 유사한 모델과 비교. 배수 열 = 본 모델 ÷ 비교 대상.

이전 세대 DeepSeek-V2과의 전 필드 비교

모델	DeepSeek-V2 Lite	DeepSeek-V2	배수
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

유사도는 0(공통 범주 특징 없음)에서 1(구조 프로파일 완전 일치) 사이의 값입니다.

40 개 필드