/ Модель

Характеристики

Контекст
163 840 токенов
Параметры
37,6 млрд
Лицензия
MIT
Архитектура
deepseek_v3 · dense
Базовая модель
DeepSeek-V3-0324
Библиотека
Model Optimizer
Опубликована
3 мая 2025

DeepSeek-V3-0324-NVFP4

Генерация текстаТекст → текст15 профессий

Квантизованная до FP4 версия DeepSeek V3-0324 для генерации текста в чат-ботах, RAG-системах и AI-агентах.

19 494скачиваний за 30 дней20лайковвеса обновлены22 авг 2025

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 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

NVIDIA DeepSeek-V3-0324-NVFP4 — квантизованная FP4-версия авторегрессионной языковой модели DeepSeek V3-0324, подготовленная NVIDIA с помощью TensorRT Model Optimizer. Это сторонняя сборка по требованиям NVIDIA, а исходную модель разработала DeepSeek AI. Модель принимает текст и генерирует текст; поддерживает диалог и интерфейс вызова инструментов. В метаданных указан размер 37,6 млрд параметров и контекст до 163 840 токенов.

Модель предназначена для развёртывания в системах AI-агентов, чат-ботах, RAG и других приложениях на базе генеративного ИИ. Квантизация весов и активаций линейных операторов до FP4 сокращает требования к диску и памяти GPU примерно в 1,6 раза. Для указанного в README сценария развёртывания нужны TensorRT-LLM и восемь GPU NVIDIA B200; заявлена совместимость с Linux. README сообщает о готовности к коммерческому и некоммерческому использованию, а метаданные указывают лицензию MIT.

Сценарии применения

  • генерация ответов в чат-боте
  • ответы на вопросы по документам в RAG-системе
  • создание AI-агента с вызовом инструментов
  • генерация текста в приложениях на базе LLM

Ограничения

Для описанного в README развёртывания требуется TensorRT-LLM и восемь GPU NVIDIA B200. Языки, поддерживаемые моделью, в предоставленных данных не указаны.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Overview

Description:

The NVIDIA DeepSeek V3-0324 FP4 model is the quantized version of DeepSeek AI's DeepSeek V3-0324 model, which is an auto-regressive language model that uses an optimized transformer architecture. For more information, please check here. The NVIDIA DeepSeek V3-0324 FP4 model is quantized with TensorRT Model Optimizer.

This model is ready for commercial/non-commercial use.

Third-Party Community Consideration

This model is not owned or developed by NVIDIA. This model has been developed and built to a third-party’s requirements for this application and use case; see link to Non-NVIDIA (DeepSeek V3-0324) Model Card.

License/Terms of Use:

MIT

Deployment Geography:

Global

Use Case:

Developers looking to take off the shelf pre-quantized models for deployment in AI Agent systems, chatbots, RAG systems, and other AI-powered applications.

Release Date:

Huggingface 06/06/2025 via https://huggingface.co/nvidia/DeepSeek-R1-0528-FP4

Model Architecture:

Architecture Type: Transformers Network Architecture: DeepSeek V3-0324

Input:

Input Type(s): Text Input Format(s): String Input Parameters: 1D (One-Dimensional): Sequences Other Properties Related to Input: Context length up to 128K

Output:

Output Type(s): Text Output Format: String Output Parameters: 1D (One-Dimensional): Sequences Other Properties Related to Output: N/A

Software Integration:

Supported Runtime Engine(s):

  • TensorRT-LLM

Supported Hardware Microarchitecture Compatibility:

  • NVIDIA Blackwell

Preferred Operating System(s):

  • Linux

Model Version(s):

The model is quantized with nvidia-modelopt v0.27.0

Training, Testing, and Evaluation Datasets:

Data Collection Method by Dataset: Undisclosed Labeling Method by Dataset: Undisclosed Properties: Undisclosed

Calibration Dataset:

** Link: cnn_dailymail ** Data collection method: Automated. ** Labeling method: Undisclosed.

  • Evaluation Dataset: MMLU ** Data collection method: Undisclosed. ** Labeling method: N/A.

Inference:

Engine: TensorRT-LLM Test Hardware: B200

Post Training Quantization

This model was obtained by quantizing the weights and activations of DeepSeek V3-0324 to FP4 data type, ready for inference with TensorRT-LLM. Only the weights and activations of the linear operators within transformer blocks are quantized. This optimization reduces the number of bits per parameter from 8 to 4, reducing the disk size and GPU memory requirements by approximately 1.6x.

Usage

Deploy with TensorRT-LLM

To deploy the quantized FP4 checkpoint with TensorRT-LLM LLM API, follow the sample codes below (you need 8xB200 GPU and TensorRT LLM built from source with the latest main branch):

  • LLM API sample usage:
from tensorrt_llm import SamplingParams
from tensorrt_llm._torch import LLM

def main():

    prompts = [
        "Hello, my name is",
        "The president of the United States is",
        "The capital of France is",
        "The future of AI is",
    ]
    sampling_params = SamplingParams(max_tokens=32)

    llm = LLM(model="nvidia/DeepSeek-V3-0324-FP4", tensor_parallel_size=8, enable_attention_dp=True)

    outputs = llm.generate(prompts, sampling_params)

    # Print the outputs.
    for output in outputs:
        prompt = output.prompt
        generated_text = output.outputs[0].text
        print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")


# The entry point of the program need to be protected for spawning processes.
if __name__ == '__main__':
    main()

Benchmarks

This section compares the accuracy of the original DeepSeek V3-0324 model with our FP4-quantized version across benchmarks.

BenchmarkDeepSeek V3-03241DeepSeek V3-0324-FP4
MMMU Pro8282.9
GPQA Diamond6667.2
LiveCodeBench4152.23
AIME 20245249.3
MATH-5009494.4
MGSM9292.8

1 Reference scores for DeepSeek V3-0324 sourced from artificialanalysis.

Ethical Considerations

NVIDIA believes Trustworthy AI is a shared responsibility and we have established policies and practices to enable development for a wide array of AI applications. When downloaded or used in accordance with our terms of service, developers should work with their internal model team to ensure this model meets requirements for the relevant industry and use case and addresses unforeseen product misuse.

Please report security vulnerabilities or NVIDIA AI Concerns here.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
d03662c

0 моделей