Frühere Suchanfragen

Keine früheren Suchanfragen

Suchoptionen

Nur verfügbar, wenn angemeldet.
mastodontech.de ist einer von vielen unabhängigen Mastodon-Servern, mit dem du dich im Fediverse beteiligen kannst.
Offen für alle (über 16) und bereitgestellt von Markus'Blog

Verwaltet von:

Serverstatistik:

1,4 Tsd.
aktive Profile

mastodontech.de: ÜberStatusProfilverzeichnisDatenschutzerklärung

Mastodon: ÜberApp herunterladenTastenkombinationenQuellcode anzeigenv4.4.4

#deepseekv3

0 Beiträge0 Beteiligte0 Beiträge heute
Fortgeführter Thread
eicker.TV ▹ Technews

🧩 #Llama4Maverick nutzt 128 Experten für deutlich mehr Rechenleistung und schlägt sogar #GPT4o und #Gemini20 in Benchmarks – bei nur der Hälfte der aktiven Parameter von #DeepSeekv3.

🎓 Beide #KIModelle wurden mithilfe des riesigen Lehrmodells #Llama4 Behemoth trainiert, das mit 288 Milliarden aktiven Parametern zu den leistungsstärksten weltweit zählt.

👉 eicker.TV #Technik #Medien #Politik #Wirtschaft (2/2)

eicker TV Technews Videos
eicker.BEratung · eicker.TV ▹ Technews Kurzvideos als TikToks, Shorts, Reels
Mehr von Gerrit Eicker 🇪🇺🇺🇦
Hacker News

DeepSeek-V3 Technical Report

arxiv.org/abs/2412.19437

arXiv.orgDeepSeek-V3 Technical ReportWe present DeepSeek-V3, a strong Mixture-of-Experts (MoE) language model with 671B total parameters with 37B activated for each token. To achieve efficient inference and cost-effective training, DeepSeek-V3 adopts Multi-head Latent Attention (MLA) and DeepSeekMoE architectures, which were thoroughly validated in DeepSeek-V2. Furthermore, DeepSeek-V3 pioneers an auxiliary-loss-free strategy for load balancing and sets a multi-token prediction training objective for stronger performance. We pre-train DeepSeek-V3 on 14.8 trillion diverse and high-quality tokens, followed by Supervised Fine-Tuning and Reinforcement Learning stages to fully harness its capabilities. Comprehensive evaluations reveal that DeepSeek-V3 outperforms other open-source models and achieves performance comparable to leading closed-source models. Despite its excellent performance, DeepSeek-V3 requires only 2.788M H800 GPU hours for its full training. In addition, its training process is remarkably stable. Throughout the entire training process, we did not experience any irrecoverable loss spikes or perform any rollbacks. The model checkpoints are available at https://github.com/deepseek-ai/DeepSeek-V3.
#HackerNews#DeepSeekV3#TechnicalReport
Radargit

🚀 DeepSeek V3 vs ChatGPT-4o: Which One Reigns Supreme?🤖

AI is evolving fast! 🏎️ DeepSeek V3 and ChatGPT-4o are two of the most powerful LLMs in 2025. But which one is better?

🔍 We compare:
✅ Accuracy & performance
✅ Multimodal capabilities
✅ Speed & efficiency
✅ Real-world applications

📖 Read the full breakdown here:

radargit.com/2025/02/03/deepse

Which AI model do you prefer? Comment below! 👇

Radargit · DeepSeek V3 vs ChatGPT 4o Which One is Better?the strengths and weaknesses of DeepSeek V3 vs ChatGPT 4o in our comprehensive comparison to find the AI tool that best meets your needs.
#AI#DeepSeekV3#ChatGPT4o
AngesagtLive-Feeds
Über