DeepSeek · 2024-01 · 稀疏 MoE

DeepSeekMoE 16B

DeepSeekMoE 16B 是 DeepSeek 於 2024-01 發布的多頭注意力（MHA） Transformer，共 28 層，隱藏維度 2048，上下文視窗 4,096 個 token。

層堆疊

注意力 ×28 · 層數 28

依據隨權重發布的 config.json 繪製 · 28 層 / 寬 2,048 / 上下文 4,096。本圖為本站原創示意圖。

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

它是稀疏混合專家模型：64 個路由專家、top-6 路由；每個 token 約激活 2.6B 參數。

對比對象為同實驗室的上一代模型；無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。

與前代 DeepSeek LLM 7B 的全欄位對比

模型	DeepSeekMoE 16B	DeepSeek LLM 7B	倍數
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

相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。

30 個欄位