搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏快乐阿超
DeepSeek-V3
Github: https://github.com/deepseek-ai/DeepSeek-V3 最近在研究AI驱动的搜索引擎时，发现了一个非常有潜力的开源项目——DeepSeek-V3。测试搜索 DeepSeek-V3 提供了简单的 API 测试工具。智能推荐在电商、内容平台中，DeepSeek-V3 可以通过用户的输入（如图片、语音）推荐相关商品或内容。跨语言检索通过加载多语言模型，DeepSeek-V3 支持不同语言间的搜索需求，比如用英文查询中文内容。研究与分析在科学研究中，DeepSeek-V3 可以帮助研究人员快速搜索相关文献、数据集或实验结果。
5.1K50编辑于 2024-12-31
来自专栏AI智韵
DeepSeek-V3报告解读
多token预测的实现 DeepSeek-V3实现多token预测的方式主要通过引入多token预测（Multi-Token Prediction, MTP）目标来增强模型的性能。该损失作为DeepSeek-V3的额外训练目标，旨在提高模型的预测能力。推理阶段：在推理时，MTP模块可以被丢弃，主模型可以独立运行，确保模型的正常工作。 DeepSeek-V3的多token预测如何影响模型的训练效率？ DeepSeek-V3通过多token预测的设计，不仅提升了模型的训练效率，还增强了其在生成任务中的表现。这种方法的引入使得DeepSeek-V3在处理复杂的语言任务时，能够更有效地利用上下文信息，从而实现更高的预测准确性。这使得DeepSeek-V3在处理复杂语言任务时，能够更快地收敛并达到更高的性能。多token预测与传统单token预测相比，有哪些显著的区别？
1.1K10编辑于 2025-01-22
来自专栏大模型成长之路
【大模型学习 | DeepSeek-V3原理】
DeepSeek-V3 Technical Report DeepSeek-V3 的基本框架还是 Transformer。本文主要是对DeepSeek-V3的模型框架以及训练目标进行讨论。什么是负载平衡？在 MoE 模型中，每一层有多个专家网络（Experts），比如 16 个 FFN（前馈网络）模块。是否使用 RMSNorm 是否移除偏置项 GPT-2 ❌ No ❌ 有偏置 LLAMA ✅ Yes ✅ 无偏置 DeepSeek-V3
1.5K21编辑于 2025-07-25
来自专栏自然语言处理
DeepSeek-V3发布：编程能力超过 Claude Sonnet 3.5！
和继“gemini-exp-1206”之后第二佳非推理LLM DeepSeek V3的项目地址 HuggingFace模型库:https://huggingface.co/deepseek-ai/DeepSeek-V3 论文链接:https://github.com/deepseek-ai/DeepSeek-V3/blob/main/DeepSeek_V3.pdf Deepseek V3采用了高达6850亿参数的混合专家参考资料 https://mp.weixin.qq.com/s/iFZOQsUNkpkXPDvOkE99wQ https://ai-bot.cn/deepseek-v3/
70210编辑于 2024-12-27
DeepSeek-V3 高效训练关键技术分析
DeepSeek-V3高效训练关键技术分析本文从模型架构、并行策略、通信优化和显存优化四个方面展开，深入分析了DeepSeek-V3高效训练的关键技术，探讨其如何以仅5%的算力实现对标GPT-4o的性能本文试图探究DeepSeek为什么能够利用5%的算力训练出对标GPT-4o的先进模型，由于DeepSeek-R1源于DeepSeek-V3架构，且DeepSeek-V3论文中讲述了更多高效训练方法相关的内容，所以本文将以DeepSeek-V3为研究对象，分析其在高效训练方面都采用了哪些关键技术，未来再单独针对DeepSeek-R1进行分析总结。! 2.实现方案：DeepSeek-V3在训练过程中采用了异步处理和显存卸载方法，优化了EMA的显存占用。总结通过上述对DeepSeek-V3高效训练关键技术的分析，我们能够看出，DeepSeek-V3之所以能够利用5%的算力训练出对标GPT-4o的先进模型，与其创新性的模型架构设计、高效的并行策略选择以及对集群通信和显存的极致优化密不可分
9110编辑于 2026-05-28
来自专栏AI大模型
DeepSeek-V3 模型更新，加量不加价
https://modelscope.cn/models/deepseek-ai/DeepSeek-V3-0324
42911编辑于 2025-03-26
来自专栏架构师之路
DeepSeek-V3模型更新，中文能力全面提升！
3月24日，DeepSeek-V3模型进行升级，四项能力全面提升： 1. 推理能力提升，特别是在数学上的能力； 2. 代码能力提升，特别是前端代码； 3.
4.7K21编辑于 2025-03-27
DeepSeek-V3 模型更新，各项能力全面进阶
DeepSeek-V3模型更新，各项能力全面进阶DeepSeekV3模型已完成小版本升级，目前版本号DeepSeek-V3-0324，用户登录官方网页、APP、小程序进入对话界面后，关闭深度思考即可体验模型开源DeepSeek-V3-0324与之前的DeepSeek-V3使用同样的base模型，仅改进了后训练方法。
7710编辑于 2026-05-27
DeepSeek-V3多头潜在注意力(MLA)架构
构建DeepSeek-V3：多头潜在注意力(MLA)架构目录构建DeepSeek-V3：多头潜在注意力(MLA)架构DeepSeek-V3中的KV缓存内存问题多头潜在注意力(MLA)：基于低秩投影的KV 缓存压缩查询压缩与旋转位置嵌入(RoPE)集成多头潜在注意力(MLA)的注意力计算实现：多头潜在注意力(MLA)多头潜在注意力与KV缓存优化总结构建DeepSeek-V3：多头潜在注意力(MLA)架构在本系列的第一部分中，通过探索DeepSeek-V3的理论基础并实现关键配置元素（如旋转位置嵌入RoPE），奠定了坚实基础。该教程阐述了DeepSeek-V3如何管理长距离依赖并为其高效扩展设置架构。在此基础上，现在探讨DeepSeek-V3最具特色的创新之一：多头潜在注意力(MLA)。 DeepSeek-V3中的KV缓存内存问题要理解MLA的革命性，必须首先理解Transformer推理中的内存瓶颈。
34210编辑于 2026-04-18
来自专栏AI模型部署实践
高性能应用服务 HAI - DeepSeek-v3 0324版
一、环境说明本环境预装 DeepSeek-v3 0324版，支持function call，仅支持在高性能应用服务HAI“八卡旗舰型”算力套餐上运行。 DeepSeek-v3 0324模型容器2. AnythingLLM 项目容器实例创建后，会自动运行上述两个容器。由于deepseek-v3模型较大，首次加载需30分钟左右完成，加载完成后方可开始使用。2.1 DeepSeek-v3 模型容器使用指引1. DeepSeek容器进入sudo docker exec -it deepseek-v3 bash2. 模型加载进度查看。模型首次加载耗时约30分钟，您可进入容器后输入如下命令查看加载进度。
66010编辑于 2025-04-28
来自专栏Web大前端
深度剖析DeepSeek-V3模型：AI 领域的“国货之光”
编程能力更是 DeepSeek-V3 模型的一大亮点，仿佛一位经验丰富的程序员，精通多种编程语言。与其他主流模型相比，DeepSeek-V3 模型的优势尽显。在售价方面，DeepSeek-V3 模型同样亲民。展望未来，DeepSeek-V3 模型的应用前景更是广阔无垠。在面对极其复杂、专业性极强的任务时，DeepSeek-V3 模型偶尔也会 “力不从心”。
2.4K10编辑于 2024-12-30
《DeepSeek-V3：动态温度调节算法，开启推理新境界！》
在人工智能领域不断探索的征程中，DeepSeek-V3以其卓越的创新技术，尤其是动态温度调节算法，成为了备受瞩目的焦点。 DeepSeek-V3的动态温度调节算法，突破了传统温度设定的局限，让模型在推理过程中能够根据不同的情境，灵活地调整温度参数。在实际应用中，DeepSeek-V3的动态温度调节算法带来了显著的效益。与传统的固定温度设置相比，DeepSeek-V3的动态温度调节算法就像是一场技术革命。在未来，随着人工智能技术的不断发展，DeepSeek-V3的动态温度调节算法有望引领更多的创新。它可能会与其他先进技术相结合，进一步优化推理过程，实现更高层次的智能交互。
41300编辑于 2025-03-09
DeepSeek-V3论文：硬件感知协同设计实现低成本训练
DeepSeek-V3 新论文发布！ DeepSeek-V3 的设计原则：应对核心扩展挑战DeepSeek-V3 包含几项关键的架构创新，包括 DeepSeekMoE 架构和多头潜在注意力。用于高效通信的 LogFMTDeepSeek 还在 DeepSeek-V3 架构内的网络通信中采用了低精度压缩。总之，这份技术报告为 DeepSeek-V3 开发和训练过程中遇到的挑战和解决方案提供了宝贵的见解。该论文《DeepSeek-V3 洞察：AI 架构硬件的扩展挑战与反思》已在 arXiv 上发表。FINISHED
19210编辑于 2026-05-08
来自专栏算法一只狗
DeepSeek-V3新版本发布，代码能力赶上Claude 3.7
DeepSeek-V3新版本突然发布，而且一发布就直接开源。DeepSeek真的无愧为开源界的“源神”。从参数量上看，这次的DeepSeek-V3-0324版本其实和DeepSeek-V3相差不大。二者大概的参数都在671B左右，而且整体的框架也是MOE架构，基本没有变换。项目排名第16从网友的测试效果上看，新版本的 DeepSeek-V3 在多个方面表现优异，特别是在编程能力上有具体的提升。
80620编辑于 2025-03-25
来自专栏啥是AI啊？
超大型开源 AI DeepSeek-V3 发布，表现超越 Llama 和 Qwen
中国人工智能初创公司 DeepSeek 于2024年12月26日发布了一种新的超大模型：DeepSeek-V3。该公司在介绍新模型的技术论文中写道：“在预训练期间，我们用 14.8T 高质量、多样化的 token 训练了 DeepSeek-V3……接下来，我们对 DeepSeek-V3 进行了两阶段的上下文长度扩展目前最强大的开源模型尽管训练成本低廉，DeepSeek-V3 已成为市场上最强大的开源模型。 Aider-Edit 中均以更高的分数超越了 DeepSeek-V3。目前，DeepSeek-V3 的代码可通过GitHub在 MIT 许可下获得，而模型则根据公司的模型许可提供。
67510编辑于 2025-02-05
来自专栏IT技术订阅
DeepSeek-V3：多Token预测技术与模型性能优化的深度解析
一、DeepSeek-V3的架构与技术背景 DeepSeek-V3是一款基于混合专家架构（MoE）的大型语言模型，总参数量达到6710亿，每个Token激活370亿参数。五、DeepSeek-V3的性能表现 DeepSeek-V3在多个基准测试中表现优异，尤其是在代码生成、数学推理和长上下文处理方面。在代码和数学基准测试中，DeepSeek-V3的表现超过了其他开源模型。此外，DeepSeek-V3的训练成本非常低，仅需278.8万H800 GPU小时即可完成其全部训练。六、局限性与未来发展方向尽管DeepSeek-V3在性能和效率方面取得了显著成果，但它仍然存在一些局限性：部署单元较大：DeepSeek-V3的推荐部署单元相对较大，这可能对小型团队构成负担。此外，随着硬件技术的进步，DeepSeek-V3的部署问题有望得到解决。七、结论 DeepSeek-V3通过其创新的多Token预测技术和混合专家架构（MoE），在性能和效率方面取得了显著的突破。
2K10编辑于 2025-02-18
借助 DeepSeek-V3 优化 Shell 脚本：从日志分析工具的性能提升实践
本文将分享如何借助 DeepSeek-V3 辅助优化一个实际生产环境中使用的 Shell 脚本，涵盖问题诊断、优化方案设计和性能对比验证的全过程。 analyze_log "$logfile"done > "$OUTPUT_DIR/report_$TODAY.txt"借助 DeepSeek-V3 进行问题诊断第一步：性能瓶颈定位向 DeepSeek-V3 DeepSeek-V3 的分析反馈：undefined1. 多次重复读取文件：grep 和 awk 分别读取同一文件，I/O 开销巨大undefined2. DeepSeek-V3 在优化过程中的价值快速识别问题：准确指出性能瓶颈所在提供替代方案：建议更高效的命令和工具代码生成：直接生成优化后的代码片段最佳实践建议：推荐行业内的优化模式3. DeepSeek-V3 在这样的优化过程中发挥了类似"结对编程伙伴"的作用，提供了专业的技术洞察和实用的代码建议。
46310编辑于 2025-09-02
来自专栏大数据，java，Python和前端
借助DeepSeek-V3优化大数据量API响应的实践与思考
经过初步分析，发现主要瓶颈在于：数据库查询未优化，全表扫描耗时严重序列化过程冗余，返回了前端不需要的字段缺乏有效的数据分页和缓存机制工具选择：为什么是DeepSeek-V3？在众多AI编程助手工具中，我选择了DeepSeek-V3，主要基于以下考虑：对代码上下文理解能力强，能提供具体的技术实现方案支持长上下文对话，便于持续优化和迭代在性能优化方面有深入的知识储备优化实践过程第一阶段分析发现原始查询进行了全表扫描收起代码语言：SQLAI代码解释--原始查询EXPLAINSELECT*FROMresourcesWHEREstatus=1ORDERBYcreate_timeDESC;DeepSeek-V3 需要支持热点数据缓存、查询结果缓存，并考虑缓存击穿保护DeepSeek-V3回复：建议采用多级缓存策略：Redis分布式缓存+Caffeine本地缓存使用@Cacheable注解实现方法级别缓存对于热点数据有时候需要返回精简字段列表，有时候需要返回完整详情DeepSeek-V3回复：建议使用@JsonView实现不同场景下的字段控制或者使用GraphQL提供灵活的字段选择能力也可以自定义ResponseDTO
32210编辑于 2025-09-15
aipy实战：Deepseek-V3、Hunyuan&Qwen做商品分析之端午怎么买粽子
今天我们最主要的任务就是在aipy上配置这两个模型，并且对deepseek-v3，hunyuan-turbos-latest，qwen-plus-latest三个模型完成同一任务进行测评。
40610编辑于 2025-05-23
来自专栏AI
生成式AI新星：DeepSeek-V3 与 GPT-4o 的对比分析
以下将从多个维度对 DeepSeek-V3 和 GPT-4o 进行详细对比。1. 中文能力DeepSeek-V3: 在教育类测评 C-Eval 和代词消歧等评测集上表现相近，但在事实知识 C-SimpleQA 上更为领先。总结DeepSeek-V3 在多个领域展现出了与 GPT-4o 不相上下的性能，尤其在生成速度和中文能力方面表现突出。同时，DeepSeek-V3 的开源策略也为社区提供了更多的灵活性和拓展空间。未来，随着 DeepSeek-V3 的持续优化和功能扩展，其与 GPT-4o 的竞争将更加激烈。通过以上对比分析，可以看出 DeepSeek-V3 在多个维度上都具备与 GPT-4o 竞争的实力，未来有望在更多应用场景中发挥重要作用。
3.8K10编辑于 2025-01-06

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多

DeepSeek-V3

DeepSeek-V3报告解读

【大模型学习 | DeepSeek-V3原理】

DeepSeek-V3发布：编程能力超过 Claude Sonnet 3.5！

DeepSeek-V3 高效训练关键技术分析

DeepSeek-V3 模型更新，加量不加价

DeepSeek-V3模型更新，中文能力全面提升！

DeepSeek-V3 模型更新，各项能力全面进阶

DeepSeek-V3多头潜在注意力(MLA)架构

高性能应用服务 HAI - DeepSeek-v3 0324版

深度剖析DeepSeek-V3模型：AI 领域的“国货之光”

《DeepSeek-V3：动态温度调节算法，开启推理新境界！》

DeepSeek-V3论文：硬件感知协同设计实现低成本训练

DeepSeek-V3新版本发布，代码能力赶上Claude 3.7

超大型开源 AI DeepSeek-V3 发布，表现超越 Llama 和 Qwen

DeepSeek-V3：多Token预测技术与模型性能优化的深度解析

借助 DeepSeek-V3 优化 Shell 脚本：从日志分析工具的性能提升实践

借助DeepSeek-V3优化大数据量API响应的实践与思考

aipy实战：Deepseek-V3、Hunyuan&Qwen做商品分析之端午怎么买粽子

生成式AI新星：DeepSeek-V3 与 GPT-4o 的对比分析

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐