LLM EU
Menú
Modelos

DeepSeek V2 Lite

DeepSeek

Solo catálogo Pesos abiertos

Última revisión:

Soberanía y alojamiento

Solo catálogo

Este modelo está catalogado como referencia. Aún no está alojado en LLM EU y ningún endpoint propio lo sirve aquí. Las solicitudes se envían directamente al proveedor, bajo sus propias condiciones.

Resumen

DeepSeek V2 Lite es un modelo de lenguaje grande de código abierto de DeepSeek: 15.7B parámetros bajo deepseek (personalizada, etiquetada como "other"). El repositorio fue creado en mayo de 2024 y está replicado en Hugging Face. Toma texto y devuelve texto. Es un punto de control base sin ajuste de instrucciones. La configuración publicada no registra ventana de contexto, por lo que esta ficha no incluye ninguna. La ficha es solo de catálogo: LLM EU no ejecuta este modelo. El editor no especifica la cobertura de idiomas en la página del modelo.

Especificaciones

Proveedor
DeepSeek (CN)
Ventana de contexto
Sin verificar: el proveedor no ha documentado esta afirmación.
Parámetros
15.7B
Modalidades
text
Licencia
other · licence
Pesos abiertos
yes
Fecha de publicación
15 may 2024
Tareas
Codificación, Bajo coste

Idiomas

Sólido: —

Adecuado: —

Sólido

    Adecuado

      Sin verificar: el proveedor no ha documentado esta afirmación. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Cuándo usarlo

      Puntos fuertes

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement

      Límites

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the deepseek (other) licence is a custom agreement whose commercial terms were not established from its published text, so commercial serving is not permitted until a human clears it; the router must not route to it
      • the published configuration records no context window, so the card carries none
      • at 15.7B parameters, self-hosting needs a single accelerator with enough memory for the weights