LLMs之MoE之DeepSeek-V3：DeepSeek-V3的簡介、安裝和使用方法,、案例應(yīng)用之詳細攻略
DeepSeek-V3的簡介
DeepSeek-V3 是一個擁有?671B 個總參數(shù)，每個 token 激活 37B 參數(shù)的強大混合專家 (MoE) 語言模型,。為了實現(xiàn)高效的推理和經(jīng)濟高效的訓練，DeepSeek-V3 采用了在 DeepSeek-V2 中經(jīng)過充分驗證的多頭潛在注意力 (MLA) 和 DeepSeekMoE 架構(gòu)。 它在 14.8 萬億個多樣化且高質(zhì)量的 tokens 上進行預(yù)訓練，隨后進行監(jiān)督微調(diào)和強化學習，以充分發(fā)揮其能力,。 DeepSeek-V3 的訓練過程非常穩(wěn)定，沒有出現(xiàn)任何不可恢復(fù)的損失峰值或回滾,。其全部訓練僅需 2.788M H800 GPU 小時。
總而言之，DeepSeek-V3 是一個高性能,、高效訓練且易于部署的開源大型語言模型，其在多個領(lǐng)域展現(xiàn)出強大的能力，并支持多種硬件平臺和推理框架,。
GitHub地址：GitHub - deepseek-ai/DeepSeek-V3
1、DeepSeek-V3 特點
>> 高效的 MoE 架構(gòu)：使用多頭潛在注意力?(MLA) 和 DeepSeekMoE 架構(gòu)，實現(xiàn)高效推理和經(jīng)濟高效的訓練,。
>> 創(chuàng)新的負載均衡策略：采用無輔助損失的負載均衡策略，最大限度地減少了由于鼓勵負載均衡而導致的性能下降,。
>> 多標記預(yù)測 (MTP) 目標：采用多標記預(yù)測目標，提高模型性能，并可用于推測解碼以加速推理。
>> FP8 混合精度訓練：首次驗證了 FP8 訓練在大規(guī)模模型上的可行性和有效性，顯著提高訓練效率并降低訓練成本,。
>> 推理優(yōu)化：支持 FP8 和 BF16 推理，并與多個開源推理框架集成，例如 DeepSeek-Infer Demo,、SGLang、LMDeploy 和 TensorRT-LLM 等，支持在 NVIDIA 和 AMD GPU 以及華為 Ascend NPU 上運行,。
>> 知識蒸餾：從 DeepSeek-R1 系列模型中蒸餾推理能力，提升 DeepSeek-V3 的推理性能，同時控制輸出風格和長度,。
>> 優(yōu)秀的性能：在各種基準測試中超越其他開源模型，并與領(lǐng)先的閉源模型性能相當。
2,、模型性能
綜合評估表明，DeepSeek-V3 優(yōu)于其他開源模型，并實現(xiàn)了與領(lǐng)先的閉源模型相當?shù)男阅?。盡管性能出色，但 DeepSeek-V3 僅需要 2.788M H800 GPU 小時即可完成完整訓練。此外，它的訓練過程非常穩(wěn)定,。在整個訓練過程中，我們沒有遇到任何無法恢復(fù)的損失峰值或執(zhí)行任何回滾,。
Base Model
Standard Benchmarks
| Benchmark (Metric) | # Shots | DeepSeek-V2 | Qwen2.5 72B | LLaMA3.1 405B | DeepSeek-V3 |
|---|
| Architecture | - | MoE | Dense | Dense | MoE |
| # Activated Params | - | 21B | 72B | 405B | 37B |
| # Total Params | - | 236B | 72B | 405B | 671B |
| English | Pile-test (BPB) | - | 0.606 | 0.638 | 0.542 | 0.548 |
| BBH (EM) | 3-shot | 78.8 | 79.8 | 82.9 | 87.5 |
| MMLU (Acc.) | 5-shot | 78.4 | 85.0 | 84.4 | 87.1 |
| MMLU-Redux (Acc.) | 5-shot | 75.6 | 83.2 | 81.3 | 86.2 |
| MMLU-Pro (Acc.) | 5-shot | 51.4 | 58.3 | 52.8 | 64.4 |
| DROP (F1) | 3-shot | 80.4 | 80.6 | 86.0 | 89.0 |
| ARC-Easy (Acc.) | 25-shot | 97.6 | 98.4 | 98.4 | 98.9 |
| ARC-Challenge (Acc.) | 25-shot | 92.2 | 94.5 | 95.3 | 95.3 |
| HellaSwag (Acc.) | 10-shot | 87.1 | 84.8 | 89.2 | 88.9 |
| PIQA (Acc.) | 0-shot | 83.9 | 82.6 | 85.9 | 84.7 |
| WinoGrande (Acc.) | 5-shot | 86.3 | 82.3 | 85.2 | 84.9 |
| RACE-Middle (Acc.) | 5-shot | 73.1 | 68.1 | 74.2 | 67.1 |
| RACE-High (Acc.) | 5-shot | 52.6 | 50.3 | 56.8 | 51.3 |
| TriviaQA (EM) | 5-shot | 80.0 | 71.9 | 82.7 | 82.9 |
| NaturalQuestions (EM) | 5-shot | 38.6 | 33.2 | 41.5 | 40.0 |
| AGIEval (Acc.) | 0-shot | 57.5 | 75.8 | 60.6 | 79.6 |
| Code | HumanEval (Pass@1) | 0-shot | 43.3 | 53.0 | 54.9 | 65.2 |
| MBPP (Pass@1) | 3-shot | 65.0 | 72.6 | 68.4 | 75.4 |
| LiveCodeBench-Base (Pass@1) | 3-shot | 11.6 | 12.9 | 15.5 | 19.4 |
| CRUXEval-I (Acc.) | 2-shot | 52.5 | 59.1 | 58.5 | 67.3 |
| CRUXEval-O (Acc.) | 2-shot | 49.8 | 59.9 | 59.9 | 69.8 |
| Math | GSM8K (EM) | 8-shot | 81.6 | 88.3 | 83.5 | 89.3 |
| MATH (EM) | 4-shot | 43.4 | 54.4 | 49.0 | 61.6 |
| MGSM (EM) | 8-shot | 63.6 | 76.2 | 69.9 | 79.8 |
| CMath (EM) | 3-shot | 78.7 | 84.5 | 77.3 | 90.7 |
| Chinese | CLUEWSC (EM) | 5-shot | 82.0 | 82.5 | 83.0 | 82.7 |
| C-Eval (Acc.) | 5-shot | 81.4 | 89.2 | 72.5 | 90.1 |
| CMMLU (Acc.) | 5-shot | 84.0 | 89.5 | 73.7 | 88.8 |
| CMRC (EM) | 1-shot | 77.4 | 75.8 | 76.0 | 76.3 |
| C3 (Acc.) | 0-shot | 77.4 | 76.7 | 79.7 | 78.6 |
| CCPM (Acc.) | 0-shot | 93.0 | 88.5 | 78.6 | 92.0 |
| Multilingual | MMMLU-non-English (Acc.) | 5-shot | 64.0 | 74.8 | 73.8 | 79.4 |
注意：最佳結(jié)果以粗體顯示。分差不超過 0.3 的分數(shù)被視為處于同一水平,。DeepSeek-V3 在大多數(shù)基準測試中表現(xiàn)最佳，尤其是在數(shù)學和代碼任務(wù)方面,。更多評估詳情，請查閱我們的論文。
Context Window上下文窗口
在“大海撈針”（NIAH）測試中的評估結(jié)果。DeepSeek-V3 在所有上下文窗口長度（最長為 128K）上的表現(xiàn)都很出色,。
Chat Model
標準基準（大于 670 億參數(shù)的模型）
| Benchmark (Metric) | DeepSeek V2-0506 | DeepSeek V2.5-0905 | Qwen2.5 72B-Inst. | Llama3.1 405B-Inst. | Claude-3.5-Sonnet-1022 | GPT-4o 0513 | DeepSeek V3 |
|---|
| Architecture | MoE | MoE | Dense | Dense | - | - | MoE |
| # Activated Params | 21B | 21B | 72B | 405B | - | - | 37B |
| # Total Params | 236B | 236B | 72B | 405B | - | - | 671B |
| English | MMLU (EM) | 78.2 | 80.6 | 85.3 | 88.6 | 88.3 | 87.2 | 88.5 |
| MMLU-Redux (EM) | 77.9 | 80.3 | 85.6 | 86.2 | 88.9 | 88.0 | 89.1 |
| MMLU-Pro (EM) | 58.5 | 66.2 | 71.6 | 73.3 | 78.0 | 72.6 | 75.9 |
| DROP (3-shot F1) | 83.0 | 87.8 | 76.7 | 88.7 | 88.3 | 83.7 | 91.6 |
| IF-Eval (Prompt Strict) | 57.7 | 80.6 | 84.1 | 86.0 | 86.5 | 84.3 | 86.1 |
| GPQA-Diamond (Pass@1) | 35.3 | 41.3 | 49.0 | 51.1 | 65.0 | 49.9 | 59.1 |
| SimpleQA (Correct) | 9.0 | 10.2 | 9.1 | 17.1 | 28.4 | 38.2 | 24.9 |
| FRAMES (Acc.) | 66.9 | 65.4 | 69.8 | 70.0 | 72.5 | 80.5 | 73.3 |
| LongBench v2 (Acc.) | 31.6 | 35.4 | 39.4 | 36.1 | 41.0 | 48.1 | 48.7 |
| Code | HumanEval-Mul (Pass@1) | 69.3 | 77.4 | 77.3 | 77.2 | 81.7 | 80.5 | 82.6 |
| LiveCodeBench (Pass@1-COT) | 18.8 | 29.2 | 31.1 | 28.4 | 36.3 | 33.4 | 40.5 |
| LiveCodeBench (Pass@1) | 20.3 | 28.4 | 28.7 | 30.1 | 32.8 | 34.2 | 37.6 |
| Codeforces (Percentile) | 17.5 | 35.6 | 24.8 | 25.3 | 20.3 | 23.6 | 51.6 |
| SWE Verified (Resolved) | - | 22.6 | 23.8 | 24.5 | 50.8 | 38.8 | 42.0 |
| Aider-Edit (Acc.) | 60.3 | 71.6 | 65.4 | 63.9 | 84.2 | 72.9 | 79.7 |
| Aider-Polyglot (Acc.) | - | 18.2 | 7.6 | 5.8 | 45.3 | 16.0 | 49.6 |
| Math | AIME 2024 (Pass@1) | 4.6 | 16.7 | 23.3 | 23.3 | 16.0 | 9.3 | 39.2 |
| MATH-500 (EM) | 56.3 | 74.7 | 80.0 | 73.8 | 78.3 | 74.6 | 90.2 |
| CNMO 2024 (Pass@1) | 2.8 | 10.8 | 15.9 | 6.8 | 13.1 | 10.8 | 43.2 |
| Chinese | CLUEWSC (EM) | 89.9 | 90.4 | 91.4 | 84.7 | 85.4 | 87.9 | 90.9 |
| C-Eval (EM) | 78.6 | 79.5 | 86.1 | 61.5 | 76.7 | 76.0 | 86.5 |
| C-SimpleQA (Correct) | 48.5 | 54.1 | 48.4 | 50.4 | 51.3 | 59.3 | 64.8 |
注意：所有模型均在將輸出長度限制為 8K 的配置下進行評估,。對于包含少于 1000 個樣本的基準測試，會使用不同的溫度設(shè)置多次進行測試，以得出可靠的最終結(jié)果。DeepSeek-V3 是表現(xiàn)最佳的開源模型，并且在與前沿的閉源模型的對比中也展現(xiàn)出具有競爭力的性能,。
Open Ended Generation Evaluation
| Model | Arena-Hard | AlpacaEval 2.0 |
|---|
| DeepSeek-V2.5-0905 | 76.2 | 50.5 |
| Qwen2.5-72B-Instruct | 81.2 | 49.1 |
| LLaMA-3.1 405B | 69.3 | 40.5 |
| GPT-4o-0513 | 80.4 | 51.1 |
| Claude-Sonnet-3.5-1022 | 85.2 | 52.0 |
| DeepSeek-V3 | 85.5 | 70.0 |
注意：英語開放式對話評估,。對于 AlpacaEval 2.0，我們使用長度控制下的勝率作為指標。
DeepSeek-V3的安裝和使用方法
DeepSeek-V3 提供了多種本地運行方式，但HuggingFace's Transformers 尚未直接支持,。
1,、安裝
克隆倉庫并安裝依賴
git clone https://github.com/deepseek-ai/DeepSeek-V3.git
cd DeepSeek-V3/inference
pip install -r requirements.txt
下載模型權(quán)重
從 HuggingFace 下載模型權(quán)重，并將其放入 /path/to/DeepSeek-V3 文件夾。
| Model | #Total Params | #Activated Params | Context Length | Download |
|---|
| DeepSeek-V3-Base | 671B | 37B | 128K | 🤗 HuggingFace |
| DeepSeek-V3 | 671B | 37B | 128K | 🤗 HuggingFace |
模型權(quán)重轉(zhuǎn)換 (DeepSeek-Infer Demo 示例)
python convert.py --hf-ckpt-path /path/to/DeepSeek-V3 --save-path /path/to/DeepSeek-V3-Demo --n-experts 256 --model-parallel 16
2,、模型推理
DeepSeek-V3 可以使用以下硬件和開源社區(qū)軟件在本地部署：
>> DeepSeek-Infer 演示：我們?yōu)?FP8 和 BF16 推理提供了一個簡單,、輕量級的演示。
>> SGLang：完全支持 BF16 和 FP8 推理模式下的 DeepSeek-V3 模型,。
>> LMDeploy：支持本地和云部署的高效 FP8 和 BF16 推理,。
>> TensorRT-LLM：目前支持 BF16 推理和 INT4/8 量化，即將支持 FP8。
>> AMD GPU：支持在 BF16 和 FP8 模式下通過 SGLang 在 AMD GPU 上運行 DeepSeek-V3 模型,。
>> 華為Ascend NPU：支持在華為Ascend設(shè)備上運行DeepSeek-V3,。
除了以下兩種，項目還推薦使用 SGLang、LMDeploy 和 TensorRT-LLM 等框架進行推理，并提供了相應(yīng)的鏈接和說明,。?SGLang 特別支持 AMD GPU,。 華為 Ascend NPU 的支持也通過 MindIE 框架實現(xiàn)。 如果需要 BF16 權(quán)重，可以使用提供的轉(zhuǎn)換腳本進行轉(zhuǎn)換,。
運行推理 (DeepSeek-Infer Demo 示例，交互式)：
torchrun --nnodes 2 --nproc-per-node 8 generate.py --node-rank $RANK --master-addr $ADDR --ckpt-path /path/to/DeepSeek-V3-Demo --config configs/config_671B.json --interactive --temperature 0.7 --max-new-tokens 200
運行推理 (DeepSeek-Infer Demo 示例，批量)：
torchrun --nnodes 2 --nproc-per-node 8 generate.py --node-rank $RANK --master-addr $ADDR --ckpt-path /path/to/DeepSeek-V3-Demo --config configs/config_671B.json --input-file $FILE
3、使用方法
T1,、在DeepSeek的官方網(wǎng)站上與DeepSeek-V3聊天
地址：DeepSeek
T2,、在 DeepSeek 平臺上提供與 OpenAI 兼容的 API
地址：DeepSeek
DeepSeek-V3的案例應(yīng)用
項目提供了 DeepSeek-V3 在各種基準測試上的評估結(jié)果，涵蓋了自然語言理解、代碼生成,、數(shù)學推理等多個方面，包括英文和中文基準測試，以及多語言基準測試,。 DeepSeek-V3 在大多數(shù)基準測試中都取得了最佳性能，尤其是在數(shù)學和代碼任務(wù)上。
