DeepSeek v3 combine une architecture MoE massive de 671B paramètres avec des fonctionnalités innovantes comme la prédiction multi-jetons et l'équilibrage de charge sans perte auxiliaire, offrant des performances exceptionnelles dans diverses tâches.

DeepSeek v3 est disponible via notre plateforme de démonstration en ligne et nos services API. Vous pouvez également télécharger les poids du modèle pour un déploiement local.

DeepSeek v3 démontre une performance supérieure dans les mathématiques, le codage, le raisonnement et les tâches multilingues, atteignant constamment les meilleurs résultats dans les évaluations de référence.

DeepSeek v3 prend en charge plusieurs options de déploiement, notamment les GPU NVIDIA, les GPU AMD et les NPUs Huawei Ascend, avec plusieurs options de framework pour des performances optimales.

Oui, DeepSeek v3 prend en charge une utilisation commerciale sous réserve des termes de la licence du modèle.

DeepSeek v3 surpasse d'autres modèles open source et atteint des performances comparables à celles des principaux modèles fermés sur divers benchmarks.

DeepSeek v3 peut être déployé en utilisant plusieurs frameworks, y compris SGLang, LMDeploy, TensorRT-LLM, vLLM, et prend en charge les modes d'inférence FP8 et BF16.

DeepSeek v3 possède une fenêtre de contexte de 128K, lui permettant de traiter et de comprendre efficacement des séquences d'entrée étendues pour des tâches complexes et du contenu longue forme.

DeepSeek v3 a été pré-entraîné sur 14,8 billions de jetons diversifiés et de haute qualité, suivi de phases de perfectionnement supervisé et d'apprentissage par renforcement. Le processus de formation a été remarquablement stable sans pics de perte irrécupérables.

DeepSeek v3 utilise l'entraînement en précision mixte FP8 et réalise un entraînement MoE efficace entre nœuds grâce à une co-conception algorithme-cadre-matériel, complétant le pré-entraînement avec seulement 2.788M d'heures GPU H800.