языковые модели

Новая модель DeepSeek активирует лишь 8 миллиардов из 552 миллиардов параметров на каждый токен. Новая архитектура Causal Encoder-Decoder сокращает объём KV-кэша до четверти от предшественника и снижает стоимость кэшированного ввода на 60%. В бенчмарке автономной разработки ПО модель…