DeepSeek: R1 Distill Qwen 32B

DeepSeek: DeepSeek V3.2 Exp

deepseek

DeepSeek-V3.2-Exp — это экспериментальная большая языковая модель, выпущенная DeepSeek в качестве промежуточного этапа между версией V3.1 и будущими архитектурами. В ней представлен механизм DeepSeek Sparse Attention (DSA) — мелкозернистое разреженное внимание, разработанное для повышения эффективности обучения и логического вывода в сценариях с длинным контекстом при сохранении качества ответов. Пользователи могут управлять поведением модели при рассуждении с помощью логического параметра reasoning enabled. Модель обучалась в условиях, идентичных V3.1-Terminus, для обеспечения возможности прямого сравнения. Тестирование показывает производительность, сопоставимую с V3.1 в задачах на логику, написание кода и использование инструментов агентами, с незначительными различиями в зависимости от конкретной области. Данный релиз сфокусирован на проверке архитектурных оптимизаций для работы с расширенным контекстом, а не на повышении общей точности выполнения задач. Это делает ее в первую очередь исследовательской моделью для изучения эффективных структур трансформеров на платформе alltokens.

DeepSeek: DeepSeek V3.1 Terminus

deepseek

DeepSeek-V3.1 Terminus — это обновление модели DeepSeek V3.1, которое сохраняет исходные возможности архитектуры и одновременно устраняет выявленные пользователями недочеты, включая стабильность языка и работу агентов. Модель оптимизирована для задач программирования и поисковых сценариев. Это масштабная гибридная система с 671 миллиардом параметров (37 миллиардов активных при генерации), поддерживающая режимы с процессом рассуждения и без него. Базовая архитектура DeepSeek-V3 была дополнена двухэтапным обучением для работы с длинным контекстом до 128 000 токенов, а для эффективного вывода используется технология микромасштабирования FP8. Пользователи могут управлять процессом логического вывода через параметр reasoning. Модель демонстрирует улучшенные показатели в использовании инструментов, генерации кода и эффективности рассуждений, достигая результатов, сопоставимых с DeepSeek-R1 на сложных бенчмарках, но с более высокой скоростью отклика. Поддержка структурированного вызова инструментов, программных и поисковых агентов делает ее подходящим решением для исследований, разработки ПО и сложных автономных рабочих процессов на платформе alltokens.

DeepSeek: DeepSeek V3.1

deepseek

DeepSeek-V3.1 — это масштабная гибридная модель для рассуждений с 671 миллиардом параметров (из которых 37 миллиардов активны), поддерживающая режимы с цепочкой размышлений и без нее через шаблоны промптов. Она развивает базу DeepSeek-V3 благодаря двухэтапному обучению на длинных контекстах, достигая окна в 128K токенов, и использует микромасштабирование FP8 для эффективного вывода. Пользователи могут управлять поведением рассуждений с помощью логического параметра reasoning enabled. Модель значительно улучшает работу с инструментами, генерацию кода и эффективность логических выводов, достигая производительности, сопоставимой с DeepSeek-R1 на сложных бенчмарках, при более высокой скорости отклика. Она поддерживает структурированный вызов инструментов, создание программных агентов и поисковых систем, что делает ее подходящей для исследований, программирования и агентных рабочих процессов. Данная версия является преемником модели DeepSeek V3-0324 и демонстрирует высокие результаты в широком спектре задач. Все возможности доступны через API alltokens.

DeepSeek: R1 0528

deepseek

Обновление от 28 мая для оригинальной модели DeepSeek R1. Производительность находится на уровне OpenAI o1, при этом модель является полностью открытой и предоставляет полный доступ к токенам рассуждения. Общий объем параметров составляет 671 млрд, из которых 37 млрд активны при каждом проходе инференса. Полностью открытая модель.