Bilanz der Quelle: DeepSeek-V2 ist ein starkes, effizientes und kostengünstiges Mischmodell für Sprachmodelle, das 236 Mrd. Parameter besitzt, aber nur 21 Mrd. aktiviert. Es nutzt Multi-head Latent Attention (MLA) und DeepSeekMoE, wodurch 93 % weniger KV-Cache benötigt wird und der Durchsatz um das 5,76-Fache steigt. Die Architektur legte das Fundament für die extreme 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.
