DeepSeek-V3
DeepSeek-V3 ni modeli ya lugha iliyoundwa na DeepSeek (China), iliyotolewa 24 Desemba 2024.
Uzito wake uko wazi na unaweza kuipakua, lakini leseni yake ina masharti (kwa mfano kwa makampuni makubwa sana).
Ina vigezo (parameters) bilioni 671.
Ilikuwa moja ya modeli ghali zaidi kufunzwa kwa wakati wake.
Naweza kuiendesha mwenyewe?
Ndiyo, kwenye seva pekee.
- SimuRAM ya GB 6–8
- Kompyuta mpakatoRAM ya GB 16
- Kompyuta yenye uwezo mkubwaGB 24 hadi 64 (kadi ya michoro au Mac yenye uwezo mkubwa)
- Sevazaidi ya GB 64
Inahitaji takriban GB 403.6 za kumbukumbu (RAM) ikibanwa hadi biti 4.
Ni kubwa mno kwa kompyuta ya kawaida: inaendeshwa kwenye seva zenye GPU nyingi, au kupitia kampuni zinazokodisha seva.
Matokeo ya majaribio
132ECI
Nafasi ya 156 kati ya modeli 258 zilizopimwa.
Kipimo cha Uwezo cha Epoch (ECI) kinajumlisha matokeo ya majaribio mengi kuwa alama moja, kama alama ya mtihani mkuu. Alama ya juu zaidi ndiyo bora.
- Sayansi ngumu (GPQA Diamond)Maswali ya biolojia, fizikia na kemia ya kiwango cha shahada ya uzamivu. Ukibahatisha unapata 25%.
- 56.5%
- Mashindano ya hesabu (AIME)Maswali ya mashindano ya hesabu ya wanafunzi wa sekondari ya juu.
- 15.8%
- Maarifa ya jumla (MMLU)Maswali ya kuchagua jibu katika masomo 57, kutoka historia hadi sheria. Kipimo maarufu cha modeli za zamani.
- 87.2%
- Urefu wa kazi (METR)Muda ambao mtaalamu angetumia kwenye kazi ambayo modeli inaweza kuikamilisha kwa asilimia 50 ya majaribio.
- dakika 19