DeepSeek · 2023-11 · 稠密

DeepSeek LLM 7B

DeepSeek LLM 7B 是 DeepSeek 于 2023-11 发布的多头注意力（MHA） Transformer，共 30 层，隐藏维度 4096，上下文窗口 4,096 个 token。

层堆栈

注意力 ×30 · 层数 30

依据随权重发布的 config.json 绘制 · 30 层 / 宽 4,096 / 上下文 4,096。本图为本站原创示意图。

多头注意力（MHA） — 32 q-heads / 32 kv-heads. RoPE θ=10,000.

它是稠密模型：全部 5.9B 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。

与前代 DeepSeek-Coder 6.7B 的全字段对比

模型	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

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