DeepSeek ماڈلز

DeepSeek V4 Flash، DeepSeek کا افادیت کے لیے بہتر بنایا گیا Mixture-of-Experts ماڈل ہے، جس میں 284B کل پیرامیٹرز اور 13B فعال پیرامیٹرز ہیں، اور یہ 1M-ٹوکن کانٹیکسٹ ونڈو کو سپورٹ کرتا ہے۔ یہ تیز انفرنس اور ہائی تھروپٹ ورک لوڈز کے لیے ڈیزائن کیا گیا ہے، جبکہ مضبوط استدلال اور کوڈنگ کی کارکردگی برقرار رکھتا ہے۔

DeepSeek V4 Pro، DeepSeek کا ایک بڑے پیمانے کا Mixture-of-Experts ماڈل ہے جس میں 1.6T کل پیرامیٹرز اور 49B فعال پیرامیٹرز ہیں، اور یہ 1M-token کانٹیکسٹ ونڈو کی حمایت کرتا ہے۔ یہ اعلیٰ درجے کی استدلال، کوڈنگ، اور طویل مدتی ایجنٹ ورک فلو کے لیے ڈیزائن کیا گیا ہے، اور علم، ریاضی، اور سافٹ ویئر انجینئرنگ کے بینچ مارکس پر مضبوط کارکردگی دکھاتا ہے۔

DeepSeek v3.2، DeepSeek V3 فیملی کی تازہ ترین پروڈکشن ریلیز ہے: ایک بڑی، استدلال کو مقدم رکھنے والی اوپن ویٹ لینگویج ماڈل فیملی جو طویل سیاق و سباق کی فہم، مضبوط ایجنٹ/ٹول کے استعمال، اعلیٰ درجے کے استدلال، کوڈنگ اور ریاضی کے لیے ڈیزائن کی گئی ہے۔

deepseek-r2 جلد آرہا ہے

DeepSeek-Reasoner، DeepSeek کی استدلال-اول LLMs اور API endpoints کی فیملی ہے، جسے (1) کال کرنے والے صارفین کے لیے اندرونی chain-of-thought (CoT) استدلال کو ظاہر کرنے اور (2) متعدد مراحل کی منصوبہ بندی، ریاضی، کوڈنگ، اور ایجنٹ/ٹول کے استعمال کے لیے موزوں کردہ “thinking” موڈز میں کام کرنے کے لیے ڈیزائن کیا گیا ہے۔

سب سے مقبول اور لاگت مؤثر DeepSeek-V3 ماڈل۔ 671B مکمل صلاحیت والا ورژن۔ یہ ماڈل زیادہ سے زیادہ 64,000 ٹوکنز کے کانٹیکسٹ کی لمبائی کی حمایت کرتا ہے۔

جلد آرہا ہے