DeepSeek · 2024-12 · 스파스 MoE

DeepSeek-V3

DeepSeek-V3은(는) DeepSeek가 2024-12에 공개한 멀티헤드 잠재 어텐션(MLA) Transformer로, 61개 층, 은닉 차원 7168, 컨텍스트 길이 163,840 토큰을 갖습니다.

레이어 스택

어텐션 ×61 · 레이어 수 61

동봉된 config.json을 바탕으로 작도 · 61층 / 은닉 7,168 / 컨텍스트 163,840. 도식은 본 사이트의 오리지널입니다.

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

스파스 Mixture-of-Experts 모델로, 256개 라우팅 전문가와 top-8 라우팅을 사용하며 토큰당 약 37B 파라미터가 활성화됩니다.

설정에는 디코딩 가속을 위한 멀티 토큰 예측(MTP) 층이 1개 포함되어 있습니다.

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

이전 세대 DeepSeek-V2 Lite과의 전 필드 비교

모델	DeepSeek-V3	DeepSeek-V2 Lite	배수
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

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

40 개 필드