DeepSeek-V3
671B parameters, $5.6M disclosed final-run cost — the efficiency shock.
Está a ver um registo de modelo de IA: quem o desenvolveu, o que é capaz de fazer, e o hardware e os dados por detrás dele.
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.
Especificações e dados principais
Cada valor é rotulado pela base: especificação do fabricante, declaração do fabricante, reportado, estimativa ou oficial. "Não divulgado publicamente" significa exatamente isso — nunca inventamos valores.
Overview
Como este elemento se liga ao resto da stack
As ligações deste registo num relance — clique num grupo para ir diretamente até ele.
Desenvolvido por
Treinado em
Baseado em
Base para
Sucedido por
Relacionados
Fontes
DeepSeek-V3 technical report ↗
Registro revisado em 2026-08-31 — ver Metodologia.