HogarDeepSeek-V2-Chat
236B
Cantidad de parámetros del modelo
DeepSeek
Organización afiliada
Código abierto
Tipo de licencia
6 de mayo de 2024
Tiempo de lanzamiento
Figuras relacionadas
Introducción al modelo
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.
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.
5.0
Alcance de cobertura de conocimiento
Tiene puntos ciegos de conocimiento significativo, a menudo que muestran errores objetivos y repitiendo información obsoleta.
6.3
Capacidad de razonamiento
Incapaz de mantener cadenas de razonamiento coherentes, a menudo causando causalidad invertida o errores de cálculo.
4.1
Comparación de modelos
DeepSeek-V2-Chat vs Doubao-Seed-1.6-251015 (Thinking)
El modelo de razonamiento profundo lanzado por ByteDance, que admite el cambio manual de razonamiento profundo, y su rendimiento mejora significativamente en comparación con doubao-1.5.
DeepSeek-V2-Chat vs Doubao-Seed-1.6-thinking-250715
La última versión del modelo de la serie Seed lanzado por ByteDance, que soporta el modo de pensamiento.
Modelo relacionado
DeepSeek-V4-Flash
DeepSeek-V4-Flash es el modelo ligero de DeepSeek, diseñado para ofrecer un alto rendimiento, ideal para interacciones de baja latencia, usos con alta concurrencia y aplicaciones inteligentes de uso diario.
DeepSeek-V4-Pro
DeepSeek-V4-Pro es el modelo de alto rendimiento estrella de DeepSeek, que mejora aún más las capacidades de razonamiento, programación, procesamiento de textos extensos y desempeño general en tareas diversas.
DeepSeek-V3.2
La última versión de los modelos de la serie Deepseek V3.
DeepSeek-V3.2-Exp
La última versión experimental de los modelos de la serie Deepseek V3.
DeepSeek-R1-0528
La última versión de Deepseek R1.
Documentos relevantes
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en
Cumplimiento de la normativa sobre vehículos autónomos en California: una nueva era de multas, geovallas y 1 millón de millas
Guident opera un servicio de transporte de AuveTech en el sur de Florida, gestionando una ruta de cuatro millas en West Palm Beach y otra de una milla en Boca Ratón mediante su tecnología de monitoriz
Las gafas inteligentes de Apple podrían debutar en la WWDC27, destacando la protección de la privacidad
El informe de Mark Gurman de Bloomberg indica que las gafas inteligentes de Apple, con el nombre en código N50, están previstas para su presentación en la WWDC27 de junio de 2027, con un lanzamiento al público previsto para el otoño de 2027. Original
Dentro de los detalles revelados sobre el Gemini de próxima generación: Potencia de cálculo limitada, los equipos internos discreparon sobre las prioridades de desarrollo y la asignación de recursos
Los informes indican que el lanzamiento del tan esperado modelo Gemini de próxima generación de Google ha sido pospuesto. Los desacuerdos internos sobre las prioridades de desarrollo y la asignación de recursos, combinados con una capacidad de comput
