DeepSeek · 2024-12 · 稀疏 MoE

DeepSeek-V3

DeepSeek-V3 是 DeepSeek 于 2024-12 发布的多头潜在注意力（MLA） Transformer，共 61 层，隐藏维度 7168，上下文窗口 163,840 个 token。

层堆栈

注意力 ×61 · 层数 61

依据随权重发布的 config.json 绘制 · 61 层 / 宽 7,168 / 上下文 163,840。本图为本站原创示意图。

多头潜在注意力（MLA）. kv_lora_rank=512. RoPE θ=10,000.

它是稀疏混合专家模型：256 个路由专家、top-8 路由；每个 token 约激活 37B 参数。

配置中包含 1 个额外的多 token 预测（MTP）层，用于加速解码。

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-V2 Lite 的全字段对比

模型	DeepSeek-V3	DeepSeek-V2 Lite	倍数
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

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）。

40 个字段