DeepSeek · 2023-11 · 稠密

DeepSeek-Coder 6.7B

DeepSeek-Coder 6.7B 是 DeepSeek 于 2023-11 发布的多头注意力（MHA） Transformer，共 32 层，隐藏维度 4096，上下文窗口 16,384 个 token。

层堆栈

注意力 ×32 · 层数 32

依据随权重发布的 config.json 绘制 · 32 层 / 宽 4,096 / 上下文 16,384。本图为本站原创示意图。

多头注意力（MHA） — 32 q-heads / 32 kv-heads. RoPE θ=100,000.

它是稠密模型：全部 6.7B 参数都参与每个 token 的计算。

对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。

与最相似 Qwen1.5 7B 的全字段对比

模型	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

相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。

20 个字段