Bilanz der Quelle: DeepSeek-V2 ist ein starkes, effizientes und kostengünstiges Mischmodell für Sprachmodell, das 236B Parameter mit nur 21B aktiviert hat. Es verwendet Multi-head Latent Attention (MLA) und DeepSeekMoE, was 93% weniger KV-Cache und 5,76x Durchsatz erzielt. Die Architektur legte das Fundament für die Extrem-Effizienz aller Folgegenerationen und löste in China einen Preisdruck im API-Markt aus.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
