DeepSeek · 2024-12 · 稀疏 MoE

DeepSeek-V3 Base

DeepSeek-V3 Base 是 DeepSeek 於 2024-12 發布的多頭潛在注意力（MLA） Transformer，共 61 層，隱藏維度 7168，上下文視窗 163,840 個 token。

層堆疊

注意力 ×61 · 層數 61

依據隨權重發布的 config.json 繪製 · 61 層 / 寬 7,168 / 上下文 163,840。本圖為本站原創示意圖。

多頭潛在注意力（MLA）. kv_lora_rank=512. RoPE θ=10,000.

它是稀疏混合專家模型：256 個路由專家、top-8 路由；每個 token 約激活 37B 參數。

設定中包含 1 個額外的多 token 預測（MTP）層，用於加速解碼。

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-V3 的全欄位對比

模型	DeepSeek-V3 Base	DeepSeek-V3	倍數
model_type	`deepseek_v3`	`deepseek_v3`	＝
architectures	`DeepseekV3ForCausalLM`	`DeepseekV3ForCausalLM`	＝
hidden_size	`7168`	`7168`	≈1
num_hidden_layers	`61`	`61`	≈1
num_attention_heads	`128`	`128`	≈1
num_key_value_heads	`128`	`128`	≈1
intermediate_size	`18432`	`18432`	≈1
hidden_act	`silu`	`silu`	＝
n_routed_experts	`256`	`256`	≈1
num_experts_per_tok	`8`	`8`	≈1
n_shared_experts	`1`	`1`	≈1
moe_intermediate_size	`2048`	`2048`	≈1
kv_lora_rank	`512`	`512`	≈1
qk_rope_head_dim	`64`	`64`	≈1
q_lora_rank	`1536`	`1536`	≈1
rope_theta	`10000`	`10000`	≈1
max_position_embeddings	`163840`	`163840`	≈1
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`129280`	`129280`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
num_nextn_predict_layers	`1`	`1`	≈1
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
bos_token_id	`0`	`0`	＝
eos_token_id	`1`	`1`	≈1
ep_size	`1`	`1`	≈1

DeepSeek-V3 (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

相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。

40 個欄位