DeepSeek hat die V3.1-Base Modellgewichte auf Hugging Face veröffentlicht, die heruntergeladen und direkt verwendet werden können. Viele Medien nannten diese Version "Open Source"; Die aktuelle Modellkarte ist jedoch nicht verfügbar, die Lizenz ist nicht gekennzeichnet und die strengen Nutzungsgrenzen müssen weiterhin den offiziellen Folgeanweisungen unterliegen. Der Online-Dienst wurde auf V3.1 aktualisiert, wobei behauptet wird, dass die Kontextlänge auf 128 KB erweitert wurde und das Web-/App-/Mini-Programm weiterhin mit der API kompatibel ist.
1. Wichtige Informationen
1. Freigabeformular: Hugging Face bietet V3.1-Base-Gewichte (Safetensoren), und die Seite zeigt, dass es BF16 / F8_E4M3 / F32 unterstützt, was eine Vielzahl von quantitativen Versionen bietet.
2. Skalenparameter: Auf der Seite wird "Modellgröße:685B params" angezeigt.
3. Kontextlänge: Mehrere Berichte und offizielle Ankündigungen zeigen, dass das Online-Modell auf 128K-Kontext aktualisiert wurde und die API-Aufrufmethode unverändert bleibt.
4. Architektonischer Hintergrund: Bei der V3-Serie handelt es sich um eine MoE-Route (Mixture-of-Experts), kombiniert mit dem selbst entwickelten MLA und anderen Technologien von DeepSeek; V3.1 Auf dieser Grundlage werden Engineering und Kontextverbesserungen durchgeführt (gemäß öffentlichen Materialien und Medienzusammenfassungen).
5. Hinweise: Es gibt keine detaillierten und Berechtigungsfelder für die aktuelle Hugging Face-Modelkarte; Sie müssen die Lizenz und die Bedingungen überprüfen, bevor Sie sie herunterladen und vermarkten.
2. Open-Source-Adresse (offizieller und maßgeblicher Eingang)
1. Umarmtes Gesicht · DeepSeek-V3.1-Base:
https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base
2, Offizielle DeepSeek-Website (Produkte und APIs):
https://www.deepseek.com/
3, DeepSeek-V3 GitHub (Hintergrundreferenz für Architektur und Abschlussarbeit):
https://github.com/deepseek-ai/DeepSeek-V3
3. Verfügbarkeits- und Bereitstellungsvorschläge
1. Download und Formatierung: SafeTensors wird bevorzugt; Wählen Sie die quantifizierten Varianten BF16 oder FP8(F8_E4M3) nach Hardware aus.
2. Inferenzressourcen: Das Levelmodell 685B (MoE-Gesamtparameter) erfordert einen hohen Videospeicher/verteilte Inferenz; Wenn die Ressourcen begrenzt sind, wählen Sie zuerst Quantisierung oder Cloud-Inferenz.
3. Kontextstrategie: 128K-Kontext eignet sich für lange Dokumente/lange Codebasen, und das Eingabeaufforderungsprojekt sollte mit Retrieval Enhancement (RAG) kombiniert werden, um ungültige Kontextinjektionen zu reduzieren.
4. Evaluierung und Graustufen: Verwenden Sie zunächst kleine Beispiel-Benchmarks (Code, Suche, Zusammenfassung langer Artikel) für A/B, legen Sie Schwellenwerte für Geschwindigkeit und Kosten fest und erweitern Sie sie dann auf die Produktion.
4. Typische Anwendungsszenarien
1. Langes Dokumentenverständnis und Compliance-Zusammenfassung: einmaliges Laden des Kontexts und segmentierte Argumentation von Verträgen/Geschäftsberichten/technischen Whitepapers.
2. Code-Agent: Lesen, Schreiben und Rekonstruieren großer Codebasen, kombiniert mit Tool-Aufrufen und Test-Frameworks.
3. Assistent für Unternehmenssuche und Wissen: In Kombination mit Vector Retrieval/RAG wird ein längerer Kontext verwendet, um datenbankübergreifende Zusammenfassungen und Antworten auf die Beweiskette zu erhalten.
5. Risiken und Grenzen
1. Unklare Lizenz: Derzeit gibt es kein klares Lizenzfeld, und die kommerzielle Nutzung ist standardmäßig strengstens untersagt. Warten Sie auf offizielle Updates der Modellkarte und der Lizenz.
2. Rechenleistung und Kosten: Modelle auf MoE-Ebene haben immer noch erhebliche Anforderungen an Speicher/Bandbreite. Bewerten Sie die Gesamtbetriebskosten und den Durchsatz, bevor Sie sich für den Umfang der Landung entscheiden.
3. Datenkonformität: Sensible Daten sind in langen Kontexten leicht zu transportieren und erfordern eine Desensibilisierung, Einstufung und Zugriffskontrolle sowie die Konfiguration von Protokoll- und Ablauflöschrichtlinien.
6. FAQ
1. Ist V3.1 wirklich "Open Source"?
Aktuell können die Gewichte auf Hugging Face heruntergeladen werden, das in "open weights" veröffentlicht wird; Die Modellkarte ist jedoch noch nicht verfügbar, die Lizenz ist nicht gekennzeichnet und die strikte Open-Source-/Commercial-Grenze muss der offiziellen Lizenz unterliegen.
2. Wo kann ich die Online-Version erleben und die API aufrufen?
Die offizielle Website von DeepSeek bietet Web-/App-/Mini-Programme und APIs, und die offizielle Ankündigung besagt, dass sie auf V3.1 aktualisiert wurde und die API kompatibel bleibt.
3. Was sind die Hauptunterschiede zu V3?
Die öffentliche Information konzentriert sich auf "längeren Kontext (bis 128K)" und "technische Optimierung und Verbesserung der Geschwindigkeitserfahrung"; Die darunterliegende Schicht führt weiterhin das V3-System fort, und detaillierte Trainings- und Evaluierungsdaten müssen durch die offizielle Modellkarte ergänzt werden.
4. Wie kann man es versuchen, wenn nicht genügend Ressourcen vorhanden sind?
Priorität haben quantitative Gewichte und Wolkeninferenz; Die Offlinebereitstellung ermöglicht eine kleine Stichprobenbewertung, bevor entschieden wird, ob in verteilte Rückschlüsse und High-End-GPUs investiert werden soll.
