DeepSeek-V3
671B parameters, $5.6M disclosed final-run cost — the efficiency shock.
Vous consultez une fiche modèle d'IA : qui l'a conçu, ce qu'il peut faire, et le matériel et les données qui le sous-tendent.
DeepSeek-V3 (December 2024) is a 671B-parameter MoE activating 37B per token, trained on 14.8T tokens across 2,048 H800 GPUs with a disclosed final training-run cost of about $5.576M (excluding research and prior runs — a caveat often dropped in retellings). Multi-head latent attention, FP8 training and multi-token prediction made it the most-studied efficiency result in the field; weights are open. V3.1 (August 2025) added hybrid thinking; V3.2-Exp cut long-context costs with sparse attention.
Spécifications et faits clés
Chaque valeur est étiquetée selon sa base : spécification fabricant, déclaration fabricant, donnée rapportée, estimation ou officielle. « Non divulgué publiquement » signifie exactement cela — nous n'inventons jamais de valeurs.
Overview
Comment cela s'articule avec le reste de la chaîne
Les liens de cette fiche en un coup d'œil — cliquez sur un groupe pour y accéder directement.
Développé par
Entraîné sur
Basé sur
Base pour
Remplacé par
Connexes
Sources
DeepSeek-V3 technical report ↗
Fiche examinée au 2026-08-31 — voir Méthodologie.