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.
Muat turun dan jalankan dalam talian apl bernama DeepSeek-V3.2-Exp ini dengan OnWorks secara percuma.
Ikut arahan ini untuk menjalankan apl ini:
- 1. Memuat turun aplikasi ini dalam PC anda.
- 2. Masukkan dalam pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang anda mahukan.
- 3. Muat naik aplikasi ini dalam pengurus filem tersebut.
- 4. Mulakan mana-mana emulator dalam talian OS OnWorks daripada tapak web ini, tetapi emulator dalam talian Windows yang lebih baik.
- 5. Daripada OS Windows OnWorks yang baru anda mulakan, pergi ke pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXX dengan nama pengguna yang anda mahukan.
- 6. Muat turun aplikasi dan pasangnya.
- 7. Muat turun Wine dari repositori perisian pengedaran Linux anda. Setelah dipasang, anda kemudian boleh mengklik dua kali aplikasi untuk menjalankannya dengan Wine. Anda juga boleh mencuba PlayOnLinux, antara muka mewah melalui Wine yang akan membantu anda memasang program dan permainan Windows yang popular.
Wain ialah cara untuk menjalankan perisian Windows pada Linux, tetapi tanpa Windows diperlukan. Wain ialah lapisan keserasian Windows sumber terbuka yang boleh menjalankan program Windows secara langsung pada mana-mana desktop Linux. Pada asasnya, Wine cuba untuk melaksanakan semula Windows yang mencukupi dari awal supaya ia boleh menjalankan semua aplikasi Windows tersebut tanpa memerlukan Windows.
SKRIN
Ad
DeepSeek-V3.2-Exp
DESCRIPTION
DeepSeek-V3.2-Exp ialah keluaran percubaan bagi keluarga model DeepSeek, bertujuan sebagai batu loncatan ke arah seni bina generasi akan datang. Inovasi utama dalam versi ini ialah DeepSeek Sparse Attention (DSA), mekanisme perhatian jarang yang bertujuan untuk mengoptimumkan latihan dan kecekapan inferens dalam tetapan konteks panjang tanpa merendahkan kualiti output. Menurut pengarang, mereka menyelaraskan persediaan latihan V3.2-Exp dengan V3.1-Terminus supaya hasil penanda aras kekal setanding, walaupun mekanisme perhatian dalaman berubah. Dalam penilaian awam merentas pelbagai penaakulan, kod dan tanda aras menjawab soalan (cth MMLU, LiveCodeBench, AIME, Codeforces, dsb.), V3.2-Exp menunjukkan prestasi yang hampir sama atau dalam beberapa kes sepadan dengan V3.1-Terminus. Repositori termasuk alatan dan kernel untuk menyokong seni bina jarang baharu—contohnya, kernel CUDA, pengindeks logit dan modul sumber terbuka seperti FlashMLA dan DeepGEMM digunakan untuk prestasi.
Ciri-ciri
- Penjadualan perhatian jarang penyesuaian yang melaraskan corak sparsity secara dinamik berdasarkan panjang jujukan input
- Mod sandaran padat + jarang bercampur untuk kes penggunaan hibrid
- Pemeriksaan cekap memori untuk konteks ultra panjang (cth >1M token)
- Pemprofilan prestasi dan papan pemuka visualisasi untuk menganalisis tingkah laku perhatian
- Antara muka pemalam untuk menukar hujung belakang kernel jarang yang berbeza (cth FlashMLA, DeepGEMM)
- Sokongan untuk penalaan halus gabungan model jarang pada data terdesentralisasi
Bahasa Pengaturcaraan
Python
Kategori
Ini adalah aplikasi yang juga boleh diambil dari https://sourceforge.net/projects/deepseek-v3-2-exp.mirror/. Ia telah dihoskan dalam OnWorks untuk dijalankan dalam talian dengan cara yang paling mudah daripada salah satu Sistem Operasi percuma kami.
