DeepSeek-V2-Chat-0628
236B
Cantidad de parámetros del modelo
DeepSeek
Organización afiliada
Código abierto
Tipo de licencia
6 de mayo de 2024
Tiempo de lanzamiento
Introducción al modelo
DeepSeek-V2 es un modelo de lenguaje de Mixture-of-Experts (MoE) potente, caracterizado por un entrenamiento económico y una inferencia eficiente. Cuenta con 236 mil millones de parámetros en total, de los cuales 21 mil millones están activos para cada token. En comparación con DeepSeek 67B, DeepSeek-V2 ofrece un mejor rendimiento, reduce en un 42,5% los costos de entrenamiento, disminuye el almacenamiento en caché KV en un 93,3% y mejora la capacidad máxima de generación hasta 5,76 veces.
Puntaje integral
Diálogo del idioma
Reserva de conocimiento
Asociación de razonamiento
Cálculo matemático
Redacción de código
Comando siguiente
Desliza hacia la izquierda y la derecha para ver más
Capacidad de comprensión del lenguaje
A menudo hace juicios mal semánticos, lo que lleva a obvias desconexiones lógicas en las respuestas.
4.6
Alcance de cobertura de conocimiento
Posee el conocimiento central de las disciplinas convencionales, pero tiene una cobertura limitada de los campos interdisciplinarios de vanguardia.
7.8
Capacidad de razonamiento
Incapaz de mantener cadenas de razonamiento coherentes, a menudo causando causalidad invertida o errores de cálculo.
4.7
Comparación de modelos
DeepSeek-V2-Chat-0628 vs Qwen2.5-7B-Instruct
Así como Qwen2, los modelos de lenguaje Qwen2.5 admiten hasta 128K tokens y pueden generar hasta 8K tokens. También mantienen el soporte multilingüe para más de 29 idiomas, incluidos chino, inglés, francés, español, portugués, alemán, italiano, ruso, japonés, coreano, vietnamita, tailandés, árabe y más.
DeepSeek-V2-Chat-0628 vs Gemini-2.5-Pro-Preview-05-06
Gemini 2.5 Pro es un modelo lanzado por el equipo de investigación en inteligencia artificial Google DeepMind, utilizando el número de versión Gemini-2.5-Pro-Preview-05-06.
DeepSeek-V2-Chat-0628 vs GPT-4o-mini-20240718
GPT-4o-mini es un modelo de API producido por OpenAI, con el número de versión específico siendo gpt-4o-mini-2024-07-18.
DeepSeek-V2-Chat-0628 vs Doubao-1.5-thinking-pro-250415
El nuevo modelo de pensamiento profundo Doubao-1.5 se destaca en campos profesionales como las matemáticas, la programación, el razonamiento científico y tareas generales como la escritura creativa. Ha alcanzado o está cerca del nivel superior de la industria en varios benchmarks autoritarios como AIME 2024, Codeforces y GPQA.
Modelo relacionado
DeepSeek-V2.5
DeepSeek-V2.5 es una versión actualizada que combina DeepSeek-V2-Chat y DeepSeek-Coder-V2-Instruct. El nuevo modelo integra las capacidades generales y de codificación de las dos versiones anteriores.
DeepSeek-V3-0324
DeepSeek-V3 supera a otros modelos open source como Qwen2.5-72B y Llama-3.1-405B en múltiples evaluaciones y coincide con el rendimiento de los principales modelos cerrados como GPT-4 y Claude-3.5-Sonnet.
DeepSeek-V2-Lite-Chat
DeepSeek-V2, un modelo de lenguaje potente de Mixture-of-Experts (MoE) presentado por DeepSeek, el DeepSeek-V2-Lite es una versión ligera de él.
DeepSeek-V2-Chat
DeepSeek-V2 es un modelo de lenguaje Mixture-of-Experts (MoE) potente caracterizado por un entrenamiento económico y una inferencia eficiente. Cuenta con un total de 236 mil millones de parámetros, de los cuales 21 mil millones están activos para cada token. En comparación con DeepSeek 67B, DeepSeek-V2 ofrece un mejor rendimiento, reduce en un 42,5% los costos de entrenamiento, disminuye el caché KV en un 93,3% y aumenta el rendimiento máximo de generación hasta 5,76 veces.
DeepSeek-R1
DeepSeek-R1 es un modelo entrenado mediante aprendizaje por refuerzo a gran escala (RL) sin utilizar Afinamiento Supervisado (SFT) como paso inicial. Su rendimiento en tareas de matemáticas, codificación y razonamiento es comparable al de OpenAI-o1.
Documentos relevantes
Aumentar la precisión de la extracción de correos electrónicos con IA: Principales estrategias reveladas
Aprovechar la IA para extraer direcciones de correo electrónico de conversaciones aumenta la eficiencia, pero la precisión sigue siendo un desafío clave para los desarrolladores. Esta guía explora est
Páginas para colorear impulsadas por IA: Crea diseños impresionantes con facilidad
Descubre una plataforma de IA innovadora que transforma la creación de páginas para colorear cautivadoras. Perfecta para artistas, educadores o entusiastas, esta herramienta ofrece una interfaz intuit
Renueva tu hogar: Decoración impulsada por IA con Pinterest y ChatGPT
¿Te cuesta rediseñar tu hogar con tantas opciones? Combina la inteligencia artificial con la inspiración visual de Pinterest para crear tu espacio ideal. Esta guía revela cómo mezclar las imágenes de
AI-Powered Wizard of Oz para Deslumbrar en la Pantalla Masiva de la Esfera de Las Vegas
Sphere Entertainment recientemente anunció planes para una versión inmersiva de El Mago de Oz adaptada para su distintivo lugar en Las Vegas, con nuevos detalles que revelan cómo Google y Magnopus est
OpenAI Explora 'Iniciar sesión con ChatGPT' para Aplicaciones de Terceros
OpenAI está investigando opciones para que los usuarios accedan a aplicaciones de terceros utilizando sus credenciales de ChatGPT, según una página web publicada el martes. La empresa está buscando ac
