DeepSeek V3 & R1

Beschreibung: Chinesische Open-Source MoE-Modelle mit exzellenter Reasoning-Performance

Website: https://deepseeksr1.com

DeepSeek hat mit V3 und R1 zwei beeindruckende Open-Source-Modelle unter MIT-Lizenz veröffentlicht, die mit führenden proprietären Modellen konkurrieren.

DeepSeek-V3

• Parameter: 671 Milliarden (MoE), ~37B aktiv pro Token
• Context: Bis zu 128K Token
• Training: ~14.8 Billionen diverse Tokens
• Effizienz: Nur 2.788M H800 GPU-Stunden für Training

Verfügbar in V3.1 (Dual-Mode Thinking) und V3.2-Exp (DeepSeek Sparse Attention).

DeepSeek-R1

Spezialisiertes Reasoning-Modell trainiert mit Reinforcement Learning:

• Größen: Distilled Versionen von 1.5B bis 70B
• Anwendung: Schritt-für-Schritt Reasoning für Mathe, Logik, Coding
• Use Cases: Tutoren, Research Assistants, Debugging

Verfügbarkeit

MIT-Lizenz für Self-Hosting. Verfügbar auf Hugging Face und GitHub. Web-Interface, Mobile Apps und Developer API.

Besonderheit

Vergleichbare Performance zu proprietären Top-Modellen bei vollständiger Offenheit.