DeepSeek-V3 是一款混合专家大模型（MoE）：参数规模总共有 671 亿参数，但它不是全部同时干活。每处理一段文字（令牌），只激活 37 亿参数参与计算。 好处：推理时算力开销远小于同等总参数的稠密大模型，跑起来更省钱、更快。核心技术底子沿用在 DeepSeek-V2 验证成功的两套方案：MLA 多头隐注意力 + DeepSeek MoE 专家架构。 同时做了两处创新：不用额外辅助损失函数，就能自动平衡各个专家模块的负载，避免部分专家闲置、部分专家过载；使用多令牌预测训练目标，进一步提升模型能力。训练数据与流程先用 14.8 万亿高质量多样化文本做预训练，之后再经过微调、强化学习打磨对话能力。性能与成本亮点实力：超过市面上绝大多数开源大模型，水平看齐顶尖闭源模型；成本：完整训练只消耗278.8 万 H800 显卡小时；训练稳定性极佳
DeepSeek-V3 是一款混合专家大模型（MoE）：参数规模总共有 671 亿参数，但它不是全部同时干活。每处理一段文字（令牌），只激活 37 亿参数参与计算。 好处：推理时算力开销远小于同等总参数的稠密大模型，跑起来更省钱、更快。核心技术底子沿用在 DeepSeek-V2 验证成功的两套方案：MLA 多头隐注意力 + DeepSeek MoE 专家架构。 同时做了两处创新：不用额外辅助损失函数，就能自动平衡各个专家模块的负载，避免部分专家闲置、部分专家过载；使用多令牌预测训练目标，进一步提升模型能力。训练数据与流程先用 14.8 万亿高质量多样化文本做预训练，之后再经过微调、强化学习打磨对话能力。性能与成本亮点实力：超过市面上绝大多数开源大模型，水平看齐顶尖闭源模型；成本：完整训练只消耗278.8 万 H800 显卡小时；训练稳定性极佳
)
