/ Модель

Характеристики

Контекст
163 840 токенов
Параметры
37,6 млрд
Лицензия
MIT
Архитектура
deepseek_v3 · dense
Базовая модель
DeepSeek-R1-0528-BF16
Библиотека
transformers
Опубликована
14 ноя 2025

DeepSeek-R1-0528-BF16

Генерация текстаТекст → текст3 профессии

Адаптация DeepSeek-R1-0528 с добавленным слоем MTP для калибровки и квантизации AMD-Quark на оборудовании AMD.

200скачиваний за 30 дней0лайковвеса обновлены23 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это адаптированная AMD версия DeepSeek-R1-0528 от AMD для подготовки квантизации через AMD-Quark. Модель основана на unsloth/DeepSeek-R1-0528-BF16 и использует архитектуру DeepSeek V3 с 37,6 млрд параметров. Она принимает и генерирует текст, поддерживает контекст до 163 840 токенов; в метаданных указан английский язык. Формат весов — safetensors, лицензия — MIT.

В modeling_deepseek.py добавлен слой MTP (Multi-Token Predictor), которого нет в исходной реализации. Это позволяет включить слой MTP при квантизации модели на оборудовании AMD MI350/MI355 с ROCm 7.0; для загрузки требуется trust_remote_code=True. Модель предназначена для калибровки и квантизации, а не для непосредственного инференса: вычисления добавленного слоя не гарантируют совпадения с оригиналом. При квантизации AMD-Quark README предписывает пропустить этап оценки.

Сценарии применения

  • калибровка DeepSeek-R1-0528 перед квантизацией
  • квантизация модели AMD-Quark с включённым слоем MTP
  • подготовка модели для инференса на оборудовании AMD MI350/MI355

Ограничения

Модель предназначена для калибровки и квантизации, а не для непосредственной оценки или инференса: вычисления добавленного слоя MTP не гарантируют совпадения с оригинальной моделью. При квантизации AMD-Quark необходимо пропустить этап оценки и загрузить модель с trust_remote_code=True.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

  • Model Architecture: DeepSeek-R1-0528
    • Input: Text
    • Output: Text
  • Supported Hardware Microarchitecture: AMD MI350/MI355
  • ROCm: 7.0
  • PyTorch: 2.8.0
  • Transformers: 4.56.1
  • Operating System(s): Linux
  • Inference Engine: SGLang/vLLM

Model Details

In the original modeling_deepseek.py file from the unsloth/DeepSeek-R1-0528-BF16 model, there is no definition or implementation of the MTP (Multi-Token-Predictor) layer. As a result, when you load the original model, there is no MTP layer included, and MTP-specific quantization cannot be performed.

To enable MTP layer loading and quantization, this model is adapted from unsloth/DeepSeek-R1-0528-BF16 by adding an MTP layer in the modeling_deepseek.py file. With this modification, it is possible to use AMD-Quark to quantize the DeepSeek-R1-0528 model with the MTP layer included.

Important Notes:

  • When loading this model, you must set trust_remote_code=True to ensure that changes related to the MTP layer in modeling_deepseek.py take effect.
  • After loading this model with transformers, evaluation should NOT be performed directly. The reason is that the forward function for the added MTP layer in modeling_deepseek.py is implemented only for calibration during the quantization process, so computation is not guaranteed to be the same as the original DeepSeek-R1-0528.
  • Therefore, when quantizing with AMD-Quark, you must add the --skip_evaluation option to skip the evaluation step and only perform quantization.
  • To skip quantization for the MTP layers, set exclude_layers="lm_head *self_attn* *mlp.gate *eh_proj *shared_head.head model.layers.61.*".

Below is an example of how to quantize this model:

cd Quark/examples/torch/language_modeling/llm_ptq/
exclude_layers="lm_head *self_attn* *mlp.gate *eh_proj *shared_head.head" 
python3 quantize_quark.py --model_dir $MODEL_DIR \
                          --quant_scheme w_mxfp4_a_mxfp4 \
                          --num_calib_data 32 \
                          --output_dir $output_dir \
                          --exclude_layers $exclude_layers \
                          --dataset pileval \
                          --multi_gpu \
                          --model_export hf_format \
                          --trust_remote_code \
                          --skip_evaluation \
                          --seq_len 512

For further details or issues, please refer to the AMD-Quark documentation or contact the respective developers.

License

Modifications Copyright(c) 2025 Advanced Micro Devices, Inc. All rights reserved.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Нельзя запустить

Модель не помещается даже в 8 × 80 ГБ.

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
159dc7b

0 моделей