DeepSeek-V2 de DeepSeek

Starts
16:00 Sunday May 5, 2024
About
DeepSeek-V2 de DeepSeek
Modelo de mezcla de expertos de 236.000 millones de parámetros (21.000 millones activos) con contexto de 128.000 tokens.

¿Por qué importa? Según DeepSeek, redujo mucho el coste de entrenamiento y de memoria frente a su modelo anterior, y salió con un precio de API muy bajo.

Pesos abiertos en Hugging Face; disponible por API y en el chat web.

Contexto de 128.000 tokens. Versión Lite de 16.000 millones de parámetros.

More related

Do you like Modelos al dÍA? Create your own page with NowHub.