DeepSeek-V3

YZ Modeli Dil Önceki nesil

671B parameters, $5.6M disclosed final-run cost — the efficiency shock.

Bir yapay zeka modeli kaydına bakıyorsunuz: kimin geliştirdiği, neler yapabildiği ve arkasındaki donanım ile veriler.

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.

Teknik özellikler ve temel bilgiler

Her değer kaynağına göre etiketlenmiştir: satıcı spesifikasyonu, satıcı iddiası, raporlanan, tahmin veya resmi. "Kamuoyuyla paylaşılmamış" ifadesi tam olarak bunu ifade eder — değer uydurmayız.

Overview

Training 14.8T tokens · 2,048 × H800 · ~2.79M GPU-hours (disclosed)Published paper

Disclosed cost $5.576M final run only — excludes research, ablations, data and hardwarePublished paper

Bu, yığının geri kalanıyla nasıl bağlantılı?

Bu kaydın bağlantılarına hızlı bakış — bir gruba tıklayarak o bölüme atlayın.

Geliştiren

DeepSeek

Eğitim verisi

NVIDIA H800

Temel alınan

Mixture of Experts (MoE)

Temel oluşturan

DeepSeek-R1 DeepSeek-V4

Yerini alan

DeepSeek-V4

Rakipler

Llama 4 Kimi K2

İlgili

DeepSeek-R1

Kaynaklar

DeepSeek-V3 technical report ↗

İncelenen kayıt tarihi: 2026-08-31 — görüntüle Metodoloji.