DeepSeek-Models
Categoría: modelos locales open-weights
Definición
Familia de modelos de pesos abiertos (licencia MIT) desarrollada por DeepSeek. Revolucionó la IA local gracias a dos avances: arquitecturas MoE con compresión latente del KV Cache (MLA) que permiten correr modelos gigantescos con bajo consumo de memoria de contexto, y los modelos destilados de razonamiento (R1) que llevaron cadenas de pensamiento avanzadas a GPUs domésticas.
Variantes y tamaños principales
- Serie DeepSeek-V4 / V3 (MoE Masivos):
- DeepSeek-V4-Flash (
284Btotales /13Bactivos): Contexto de 1M con atención dispersa comprimida (CSA), viable en estaciones de trabajo con mucha RAM + GPU mediantellama.cpp. - DeepSeek-V4-Pro (
1.6Ttotales /49Bactivos) / DeepSeek-V3 (671B/37Bactivos): Modelos de frontera abierta diseñados para clústeres multi-GPU.
- DeepSeek-V4-Flash (
- DeepSeek-R1 y Destilados (
R1-Distill):