DeepSeek-V3

Über das Modell

Das nicht-reasoning-Gegenstück zu R1 aus demselben Haus: dieselbe Architektur, aber ohne vorgeschaltete Gedankenkette und damit erheblich schneller. Bei Programmieraufgaben gehört es zu den stärksten frei verfügbaren Modellen überhaupt und schließt zu den kommerziellen Spitzenmodellen weiter auf, als es vor zwei Jahren denkbar schien.

Von den rund 671 Milliarden Parametern sind pro Token etwa 37 Milliarden aktiv, was den Betrieb je Antwort günstiger macht, als die Gesamtgröße vermuten lässt. Der Speicherbedarf beim Laden bleibt trotzdem hoch – deshalb Ausbaustufe 2 oder eigener Server.

Ein Unterschied zu R1, der leicht übersehen wird und in eine Vergabeunterlage gehört: R1 steht mitsamt den Gewichten unter MIT. Bei V3 ist nur der Quelltext MIT-lizenziert; für die Gewichte gilt eine eigene Modelllizenz des Hauses. Sie erlaubt die kommerzielle Nutzung ausdrücklich, ist aber keine von der Open Source Initiative anerkannte Lizenz und enthält eine Liste untersagter Verwendungen. Für unseren Betrieb ist das tragbar – wer „freie Lizenz“ als Kriterium führt, muss hier genauer hinsehen als bei R1.

Stärken

Kurz gesagt

Spitzenleistung bei Quelltext, Gewichte unter eigener Modelllizenz