This is the Windows app named DeepSeek-V3.2-Exp whose latest release can be downloaded as DeepSeek-V3.2-Expsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Laden Sie diese App namens DeepSeek-V3.2-Exp mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
DeepSeek-V3.2-Exp
BESCHREIBUNG
DeepSeek-V3.2-Exp ist eine experimentelle Version der DeepSeek-Modellfamilie und soll als Sprungbrett für die Architektur der nächsten Generation dienen. Die wichtigste Neuerung dieser Version ist DeepSeek Sparse Attention (DSA), ein Mechanismus für spärliche Aufmerksamkeit, der die Trainings- und Inferenzeffizienz in Langzeitkontexten optimieren soll, ohne die Ausgabequalität zu beeinträchtigen. Den Autoren zufolge haben sie das Trainings-Setup von V3.2-Exp an V3.1-Terminus angepasst, sodass die Benchmark-Ergebnisse weitgehend vergleichbar bleiben, auch wenn sich der interne Aufmerksamkeitsmechanismus ändert. In öffentlichen Evaluierungen anhand einer Vielzahl von Benchmarks für Schlussfolgerungen, Code und Fragen-Antworten (z. B. MMLU, LiveCodeBench, AIME, Codeforces usw.) zeigt V3.2-Exp eine Leistung, die der von V3.1-Terminus sehr nahe kommt oder sie in einigen Fällen sogar erreicht. Das Repository enthält Tools und Kernel zur Unterstützung der neuen Sparse-Architektur – beispielsweise werden CUDA-Kernel, Logit-Indexer und Open-Source-Module wie FlashMLA und DeepGEMM zur Leistungssteigerung herangezogen.
Eigenschaften
- Adaptive Sparse Attention Scheduling, die Sparsity-Muster dynamisch basierend auf der Länge der Eingabesequenz anpasst
- Gemischter dichter + spärlicher Aufmerksamkeits-Fallback-Modus für hybride Anwendungsfälle
- Speichereffizientes Checkpointing für extrem lange Kontexte (z. B. > 1 Mio. Token)
- Performance-Profiling und Visualisierungs-Dashboard zur Analyse des Aufmerksamkeitsverhaltens
- Plugin-Schnittstelle zum Austausch verschiedener Sparse-Kernel-Backends (z. B. FlashMLA, DeepGEMM)
- Unterstützung für die föderierte Feinabstimmung des Sparse-Modells auf dezentralen Daten
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/deepseek-v3-2-exp.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
