deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct

deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct ist auf Hugging Face als text-generation-Modell gelistet. Diese Seite dokumentiert den öffentlichen Repository-Snapshot e434a23f91ba5b4923cf6c9d9a238eb4a08e3a11; überprüfen Sie die gelistete Revision, Lizenz und Laufzeitunterstützung, bevor Sie es verwenden.

Aktualisiert am

Computraq bereitet den Start vor. Diese Leitfäden erläutern die Vorbereitung und den vorgeschlagenen Rahmen; sie belegen keinen laufenden Dienst, keine Integration und keine Partnerschaft.

Identität und Zugang

Der Publisher-Eintrag identifiziert dieses Repository als deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct. Der aktuelle öffentliche Snapshot ist e434a23f91ba5b4923cf6c9d9a238eb4a08e3a11. Der Zugang ist öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen; das aufgezeichnete Lizenzlabel ist other. Ein öffentliches Repository oder ein gated Download begründet keine Erlaubnis für jede Nutzung.

Konfigurationsfakten

Die gepinnte Konfiguration gibt Modelltyp deepseek_v2 und Architektur DeepseekV2ForCausalLM an. Der Model Hub taggt es für text-generation; diese Labels beschreiben Repository-Metadaten und belegen keine Benchmark-Leistung.

  • hidden_size: 2048
  • intermediate_size: 10944
  • max_position_embeddings: 163840
  • n_routed_experts: 64
  • num_attention_heads: 16
  • num_experts_per_tok: 6
  • num_hidden_layers: 27
  • num_key_value_heads: 16
  • rms_norm_eps: 1e-06
  • rope_theta: 10000
  • torch_dtype: bfloat16
  • vocab_size: 102400

Modellspezifische Qualifizierung

Diese Konfiguration oder Publisher-Metadaten kennzeichnen das Modell als Mixture of Experts. Bestätigen Sie, ob die Serving-Laufzeit seine Routing-Schichten unterstützt, und unterscheiden Sie Gesamtparameter von pro Token aktiven Parametern; hier wird keine aktive Anzahl abgeleitet, sofern der Publisher nicht explizit eine angibt.

Gewichtsspeicher-Planung

Dieser Leitfaden enthält keine unabhängig verifizierte logische Parameteranzahl und lässt daher eine numerische Gewichtsspeicher-Schätzung aus. Wenn eine Anzahl für diese exakte Repository-Revision verifiziert wird, verwenden Sie Parameteranzahl × Bytes pro Parameter als Untergrenze für die Gewichte allein; berücksichtigen Sie dann separat KV-Cache, Kontext, Aktivierungen, Laufzeit und Nebenläufigkeit.

Revision und Reproduzierbarkeit

Die Metadaten und die Konfiguration sind auf Revision e434a23f91ba5b4923cf6c9d9a238eb4a08e3a11 gepinnt. Pinnen Sie diesen Commit, wenn Sie eine Evaluierung reproduzieren. Repository-Branches können sich ändern, und diese Quellenprüfung validiert die Modellgewichte selbst nicht.

Veröffentlichter Eintrag

  • Task: text-generation
  • Modelltyp: deepseek_v2
  • Architektur: DeepseekV2ForCausalLM
  • Lizenzlabel: other
  • Zugang: öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen
  • Revision: e434a23f91ba5b4923cf6c9d9a238eb4a08e3a11

Quellen und Prüfung