DeepSeek-V3
Beskrivelse
En stærk Mixture-of-Experts (MoE)-sprogmodel med i alt 671B parametre, hvoraf 37B aktiveres for hvert token.
Relaterede værktøjer
DeepSeek-R1
DeepSeeks første generations ræsonneringsmodeller, DeepSeek-R1-Zero og DeepSeek-R1. DeepSeek-R1-Zero, en model trænet via storstilet forstærkningslæring (RL) uden superviseret finjustering (SFT) som et indledende trin, viste bemærkelsesværdig præstation i ræsonnering.
Llama 3
Llama3 er en stor sprogmodel udviklet af Meta AI. Det er efterfølgeren til Metas Llama2-sprogmodel.<br>Online testadresse:<br>[huggingface.co/Meta-Llama-3-70B-Instruct](https://huggingface.co/chat/models/meta-llama/Meta-Llama-3-70B-Instruct)
grok-1
En stor sprogmodel med åben kildekode fra xAI
Phi-3
Phi-3 er en familie af åbne AI-modeller udviklet af Microsoft. Phi-3-modeller er de mest dygtige og omkostningseffektive små sprogmodeller (SLM), der er tilgængelige, og overgår modeller af samme størrelse og næste størrelse i en række benchmarks for sprog, ræsonnement, kodning og matematik.
Gemma 4
Gemma 4 er Googles nyeste open source-serie af store sprogmodeller, bygget på Gemini-arkitekturen, og tilbyder forbedret ydeevne, længere kontekstvinduer og bedre flersproget support.
Qwen3
Qwen3 er serien af store sprogmodeller udviklet af Qwen-teamet hos Alibaba Cloud. Qwen3-2507 inkluderer Instruct- og Thinking-varianter med størrelserne 235B-A22B, 30B-A3B og 4B, 256K lang kontekst og understøttelse af 1 million token-input i nogle scenarier.