Bilanz der Quelle: DeepSeek-V3 wurde mit 671B MoE-Parametern veröffentlicht, von denen 37B aktiviert werden. Es wurde auf 14,8 Billionen Tokens vortrainiert und benötigte dafür nur 2,664 Mio. H800-GPU-Stunden. Die angegebenen Trainingskosten von unter 6 Mio. US-Dollar stellen die Kostenannahmen der US-Frontier-Labs infrage.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von api-docs.deepseek.com. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von api-docs.deepseek.com. Es erfolgte keine manuelle redaktionelle Bearbeitung.
