DeepSeek技术报告分享.pdf

A

9

DeepSeek-V3技术报告

DeepSeek-Al

research@

摘要

我们推出了DeepSeek-V3,这是一个强大的混合专家(MoE)语言模型，总参数为671B,每个token

激活37B。为了实现高效推理和具有成本效益的训练，DeepSeek-V3采用了多头潜在注意力(MLA)和

DeepSeekMoE架构，这些架构在DeepSeek-V2中得到了充分验证。此外，DeepSeek-V3开创了一种

无辅助损失的负载平衡策略，并设定了多token预测训练目标，以实现更强的性能。我们在148万亿个

多样化和高质量的token上对DeepSeek-V3进行了预训练，随后进行了监督微调和强化学习阶段，以充

分发挥其能力。全面评估表明，DeepSeek-V3的表现优于其他开源模型，并且其性能可与领先的闭源模

型相媲美。尽管表现出色，DeepSeek-V3的完整训练仅需2.788MH800GPU小时。此外，其训练过程

非常稳定。在整个训练过程中，我们没有经历任何不可恢复的损失峰值，也没有进行任何回滚。模型检查

点可在

/deepseek-ai/DeepSeek-V3.

图1|DeepSeek-V3及其对应模型的基准性能。

A

内容

1引言4

2架构6

2.1基本架构6

2.1.1多头潜在注意力7

2.1.2DeepSeekMoE与无辅助损失负载平衡

2.2多标记预测

3基础设施11

3.1计算集群11

3.2训练框架12

3.2.1DualPipe和计算-通信重叠12

3.2.2跨节点全到全通信的高效实现13

3.2.3极低开销的极致内存节省14

3.3FP8训练14

3.3.1混合精度框架15

3.3.2量化和乘法带来的精度提升16

3.3.3低精度存储和通信18

3.4推理与部署