Dokumentationerreichbar

DeepSeek-V4-Pro-0813 (Hugging Face)

Die große Fassung derselben Reihe wie DeepSeek-V4-Flash, unter MIT-Lizenz und ohne Anmeldeschranke. Sie ist gebaut wie ihr Geschwister: eine Benchmark-Tabelle, Startbefehle für zwei Server-Programme, keine Parameterzahl. Der Gewichtsindex des Repos zählt 1,65 Billionen Werte, gut fünfmal so viel wie bei der Flash-Fassung; die config.json führt 384 geroutete Experten statt 256, sechs davon je Token, dazu einen geteilten, und ebenfalls 1.048.576 Positionen. Zur Ausgabelänge gibt die Karte eine Empfehlung, zu Trainingsdaten und Sicherheitsprüfungen schweigt sie.

geprüft 10.11.2026

Worauf sich diese Seite beruft, wörtlich, abgerufen am 06.09.2026:

It is built on the DeepSeek-V4-Pro (Preview) model structure, with a DSpark speculative decoding module attached.bestätigt 10.11.2026
For the high and max reasoning effort levels, we recommend a maximum output length of 384K tokens.bestätigt 10.11.2026

derzeit nirgends verwendet

Alle Quellen