DeepSeek v3 combina una arquitectura de MoE masiva de 671B parámetros con características innovadoras, como Predicción de Múltiples Tokens y balanceo de carga sin pérdida auxiliar, ofreciendo un desempeño excepcional en varias tareas.

DeepSeek v3 está disponible a través de nuestra plataforma de demostración en línea y servicios de API. También puede descargar los pesos del modelo para su implementación local.

DeepSeek v3 muestra un rendimiento superior en matemáticas, programación, razonamiento y tareas multilingües, logrando consistentemente los mejores resultados en evaluaciones de benchmarks.

DeepSeek v3 admite diversas opciones de implementación, incluidas GPUs NVIDIA, GPUs AMD y NPUs Huawei Ascend, con múltiples opciones de framework para un rendimiento óptimo.

Sí, DeepSeek v3 admite uso comercial sujeto a los términos de licencia del modelo.

DeepSeek v3 supera otros modelos de código abierto y alcanza un rendimiento comparable al de los principales modelos de código cerrado en varias métricas de evaluación.

DeepSeek v3 se puede implementar utilizando múltiples frameworks, incluidos SGLang, LMDeploy, TensorRT-LLM, vLLM, y admite modos de inferencia tanto FP8 como BF16.

DeepSeek v3 cuenta con una ventana de contexto de 128K, lo que le permite procesar y comprender secuencias de entrada extensas de manera efectiva para tareas complejas y contenido de larga duración.

DeepSeek v3 fue preentrenado en 14,8 billones de tokens diversos y de alta calidad, seguido de etapas de Ajuste fino supervisado y Aprendizaje por refuerzo. El proceso de entrenamiento fue notablemente estable, sin picos de pérdida irrecuperables.

DeepSeek v3 utiliza entrenamiento de precisión mixta FP8 y logra un entrenamiento eficiente de MoE entre nodos a través del co-diseño de algoritmo, marco y hardware, completando el preentrenamiento con solo 2,788M horas de GPU H800.