核心规格

厂商	deepseek
版本	v2
发布日期	2024-05-07
上下文窗口	32768 tokens
输入模态	text
输出模态	text
许可	DeepSeek License
文档	https://api-docs.deepseek.com/

基准测试表现

基准	得分	单位	评测日期	备注	来源
MMLU	78.2	%	2024-05-07	5-shot	查看
HUMANEVAL	75.7	pass@1	2024-05-07	—	查看
GSM8K	78.8	%	2024-05-07	0-shot CoT	查看
MATH	35.2	%	2024-05-07	0-shot CoT	查看
BBH	70.5	%	2024-05-07	3-shot CoT	查看
GPQA	31.5	%	2024-05-07	0-shot	查看
IFEVAL	78.6	%	2024-05-07	prompt_strict	查看
ARC	92.1	%	2024-05-07	challenge	查看
MUSR	53.4	%	2024-05-07	0-shot	查看
WINOGRANDE	84.7	%	2024-05-07	0-shot	查看

定价

项目	价格	币种
输入	$0.14 / Mtok	USD
输出	$0.28 / Mtok	USD
缓存读	$0 / Mtok	USD
缓存写	$0 / Mtok	USD

数据来源: https://api-docs.deepseek.com/quick_start/pricing · 截至 2024-05-07

合规性

数据驻留: CN
SOC2: ✗
HIPAA: ✗
GDPR: ✗
ISO 27001: ✗

DeepSeek V2

模型概述

DeepSeek V2 开源 MoE 模型, 总参 236B/活跃 21B, 32K 上下文, 首创 MLA 注意力机制, 性价比突出。

核心规格

厂商	版本	发布日期	上下文窗口	输入模态	输出模态	许可证
Deepseek	v2	2024-05-07	32K	text	text	DeepSeek License

基准测试表现

基准	得分	单位	备注
MMLU (Massive Multitask Language Understanding)	78.2	%	5-shot
HumanEval	75.7	pass@1	—
GSM8K (Grade School Math 8K)	78.8	%	0-shot CoT
MATH	35.2	%	0-shot CoT
BBH (BIG-Bench Hard)	70.5	%	3-shot CoT
GPQA	31.5	%	0-shot
IFEval	78.6	%	prompt_strict
ARC	92.1	%	challenge
MUSR	53.4	%	0-shot
WinoGrande	84.7	%	0-shot

定价

输入	输出	缓存读取	缓存写入
—	—	—	—

每百万 token

优势

采用 MoE 混合专家架构。

劣势

闭源专有模型，不支持自托管。

适用场景

代码生成与调试

参考文献

DeepSeek V2 文档地址
发布日期: 2024-05-07
厂商: Deepseek