DeepSeek · 2024-01 · 稀疏 MoE

DeepSeekMoE 16B

DeepSeekMoE 16B 是 DeepSeek 于 2024-01 发布的多头注意力（MHA） Transformer，共 28 层，隐藏维度 2048，上下文窗口 4,096 个 token。

层堆栈

注意力 ×28 · 层数 28

依据随权重发布的 config.json 绘制 · 28 层 / 宽 2,048 / 上下文 4,096。本图为本站原创示意图。

多头注意力（MHA） — 16 q-heads / 16 kv-heads. RoPE θ=10,000.

它是稀疏混合专家模型：64 个路由专家、top-6 路由；每个 token 约激活 2.6B 参数。

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 LLM 7B 的全字段对比

模型	DeepSeekMoE 16B	DeepSeek LLM 7B	倍数
model_type	`deepseek`	`llama`	≠
architectures	`DeepseekForCausalLM`	`LlamaForCausalLM`	≠
hidden_size	`2048`	`4096`	×0.500
num_hidden_layers	`28`	`30`	×0.933
num_attention_heads	`16`	`32`	×0.500
num_key_value_heads	`16`	`32`	×0.500
intermediate_size	`10944`	`11008`	×0.994
hidden_act	`silu`	`silu`	＝
n_routed_experts	`64`	`—`
num_experts_per_tok	`6`	`—`
n_shared_experts	`2`	`—`
moe_intermediate_size	`1408`	`—`
rope_theta	`10000`	`10000`	≈1
max_position_embeddings	`4096`	`4096`	≈1
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`102400`	`102400`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
attention_bias	`false`	`—`
attention_dropout	`0`	`—`
bos_token_id	`100000`	`1`	×100000.00
eos_token_id	`100001`	`2`	×50000.50
first_k_dense_replace	`1`	`—`
initializer_range	`0.02`	`0.02`	≈1
moe_layer_freq	`1`	`—`
norm_topk_prob	`false`	`—`
pretraining_tp	`1`	`1`	≈1

DeepSeek LLM 7B (DeepSeek, 2023-11) 0.874
DeepSeek-Coder 6.7B (DeepSeek, 2023-11) 0.873
Qwen1.5 7B (Qwen, 2024-02) 0.872
Qwen3.6 35B A3B (Qwen, 2026-04) 0.832
Kimi Linear 48B A3B (Kimi, 2025-10) 0.831
GPT-OSS 120B (OpenAI, 2025-08) 0.831

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）。

30 个字段