/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
2,6 млрд
Размер весов
32,8 ГБ
Лицензия
Своя лицензия
Архитектура
deepseek · dense
Опубликована
8 янв 2024

deepseek-moe-16b-base

Генерация текстаТекст → текст4 профессии

Базовая языковая модель DeepSeek для продолжения и генерации текста, пригодная также для дальнейшей адаптации.

10 225скачиваний за 30 дней162лайкавеса обновлены12 янв 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки6

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

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,245

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0242

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,1505

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,3409

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3658

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2542

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DeepSeekMoE 16B Base — базовая языковая модель семейства DeepSeek, разработанная DeepSeek AI. Она предназначена для продолжения текста и других сценариев генерации, где требуется базовая модель без указания на диалоговую настройку. В карточке приведён пример использования для текстового дополнения.

Модель построена на архитектуре DeepSeek с классом DeepseekForCausalLM. Метаданные указывают 2,6 млрд параметров и контекст длиной 4096 токенов; веса доступны в формате safetensors. README ссылается на описание DeepSeekMoE, но подробности о реализации разреженной экспертной архитектуры в предоставленном тексте отсутствуют.

Модель подходит как основа для генерации и дальнейшей адаптации под конкретные задачи. В README и метаданных не перечислены поддерживаемые естественные языки и специальные ограничения по качеству. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Сценарии применения

  • продолжение заданного текста
  • генерация текстовых фрагментов
  • создание базовой модели для последующего дообучения

Ограничения

В карточке не указаны поддерживаемые естественные языки и специальные ограничения качества. Лицензия обозначена как other, поэтому перед использованием нужно проверить её условия в репозитории.

Для каких профессий подходит4

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

1. Introduction to DeepSeekMoE

See the Introduction for more details.

2. How to Use

Here give some examples of how to use our model.

Text Completion

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig

model_name = "deepseek-ai/deepseek-moe-16b-base"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.bfloat16, device_map="auto")
model.generation_config = GenerationConfig.from_pretrained(model_name)
model.generation_config.pad_token_id = model.generation_config.eos_token_id

text = "An attention function can be described as mapping a query and a set of key-value pairs to an output, where the query, keys, values, and output are all vectors. The output is"
inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(**inputs.to(model.device), max_new_tokens=100)

result = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(result)

3. License

This code repository is licensed under the MIT License. The use of DeepSeekMoE models is subject to the Model License. DeepSeekMoE supports commercial use.

See the LICENSE-MODEL for more details.

4. Contact

If you have any questions, please raise an issue or contact us at service@deepseek.com.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekForCausalLM
Ревизия весов
521d2bc

0 моделей