DeepSeek-V3
671B parameters, $5.6M disclosed final-run cost — the efficiency shock.
Stai visualizzando un record di modello AI: chi lo ha sviluppato, cosa sa fare, e l'hardware e i dati che lo supportano.
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.
Specifiche e dati principali
Ogni dato è etichettato in base alla fonte: specifiche del produttore, dichiarazione del produttore, riportato, stima o ufficiale. "Non divulgato pubblicamente" significa esattamente questo — non inventiamo mai valori.
Overview
Come si collega al resto dello stack
I collegamenti di questa scheda a colpo d'occhio — clicca un gruppo per raggiungerlo.
Sviluppato da
Addestrato su
Basato su
Base per
Sostituito da
Correlati
Fonti
DeepSeek-V3 technical report ↗
Record revisionato al 2026-08-31 — vedi Metodologia.