DeepSeek发布236B参数 160位专家的专家混合（MoE）模型：DeepSeek-V2

DeepSeek-V2，一个专家混合（MoE）语言模型，其特点是经济高效的训练和推理。它包含 2360 亿个总参数，其中每个token激活了 21 亿个参数。与 DeepSeek 67B 相比，DeepSeek-V2 实现了更强的性能，同时节省了 42.5%的训练成本，将 KV 缓存减少了 93.3%，并将最大生成吞吐量提高了 5.76 倍。

在 AlignBench 中排名前三，超越 GPT-4，接近 GPT-4-Turbo。在 MT-Bench 中排名顶尖，与 LLaMA3-70B 不相上下，并且胜过 Mixtral 8x22B。专注于数学、编码和推理。

DeepSeek-V2 完全开源，可免费用于商业用途。

🧮 236B参数，其中21B在生成过程中被激活
👨‍🏫 160位专家，其中有6位在生成中活跃
🚀 在英文基准测试中与 Mixtral 8x22B 匹配
🪟 128k上下文
🔠 在 8.1 万亿标记上训练
🌱 用于在 bf16 8x 80GB GPU 上进行推理
❌ 接受英语和中文语言训练

模型概述： DeepSeek-V2-Chat是一个先进的Mixture-of-Experts（MoE）语言模型，具有高效的训练和推理能力，总参数量为2360亿，每个token激活21亿参数。与之前的版本相比，该模型在性能方面显著提升，并降低了训练成本、KV缓存需求以及生成开销。
总体架构：
- Mixture-of-Experts（MoE）结构： DeepSeek-V2-Chat基于混合专家的设计，允许每个输入token仅激活部分参数，大幅降低内存使用并提高计算效率。
- 参数规模： 总参数量达到2360亿，但每个token激活21亿参数，从而实现性能与资源利用的平衡。
长上下文窗口： 支持长达128K的上下文窗口。
性能优势：
- 与Dense模型DeepSeek 67B相比，DeepSeek-V2在多项标准基准测试中表现更强。
- 减少训练成本42.5%，KV缓存降低93.3%，并将最大生成吞吐量提高5.76倍。
数据训练： DeepSeek-V2在包含8.1万亿token的多样化高质量语料库上进行预训练，并通过监督微调（SFT）和强化学习（RL）来充分发挥模型潜力。

评估结果

标准基准测试：
- MMLU（英语）： 用于多任务推理和知识评估。DeepSeek-V2在该基准上达到了78.5分。
- BBH（英语）： 包含一系列复杂的推理任务。DeepSeek-V2的成绩为78.9分。
- C-Eval（中文）： 中国大型学术基准。DeepSeek-V2在这项测试中得分81.7。
- CMMLU（中文）： 中文多任务推理基准，DeepSeek-V2取得84.0分。
代码和数学基准：
- HumanEval（代码）： 用于评估编程能力，DeepSeek-V2得分为40.9。
- MBPP（代码）： 以Python编程任务为主，模型得分66.6。
- GSM8K（数学）： 小学生级别的数学题目，DeepSeek-V2得分79.2。
- Math（数学）： 包含各类数学题目，DeepSeek-V2达到了43.6的分数。
对话生成基准：
- AlpacaEval 2.0和MTBench（英语）： 这两项评估了DeepSeek-V2-Chat-RL在英语对话生成中的竞争力。
- AlignBench（中文）： 专门用于评估中文对话生成能力。在此基准上，DeepSeek-V2-Chat-RL取得了7.91的高分。
长上下文窗口评估：
- Needle in a Haystack（NIAH）： 评估了模型在长达128K的上下文窗口中的性能，DeepSeek-V2在各长度测试中表现稳定。
代码基准：
- LiveCodeBench： 专注于实时编码挑战。DeepSeek-V2的Pass@1得分高于许多其他模型，证明其在实时编码任务中的有效性。