DeepSeek · pașaport de model
DeepSeek V2 5
deepseek-v2-5- Ponderi deschise
- Licență DeepSeek
- 235.7B parametri
- Lansat 2024-09-05(curatoriat)
- General · LMArena
- 1,307#257 din 396
- Cea mai bună percentilă
- 41.2Programare
- Poziția în cohortă
- 41.3mediană 37.9
Ce spun datele
Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 8,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 41.2 pct pe Programare față de 33 pct pe MMLU-Pro (Artificial Analysis).
- Programare41.2 pct1,368Verifică →
- LiveBench38.8 pct48.1%Verifică →
- Prompturi dificile37.9 pct1,321Verifică →
- Urmarea instrucțiunilor35.9 pct1,291Verifică →
- General35.4 pct1,307Verifică →
- MMLU-Pro (Artificial Analysis)33 pct66.6%Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- LiveCodeBench (Artificial Analysis)Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Cum îl rulezi
Rulează-l singur
Transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "deepseek-ai/DeepSeek-V2.5"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)Ollama
Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →
Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →
Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.
deepseek-v2.5 stands at 41.3 (raw mean 37) — measured on 6 of 27 axes.
deepseek-v2.5 stands at 41.3 versus a cohort median of 37.9 across 130 models released within 180 days — above the peer median.
deepseek-v2.5 ranks between #207 and #662 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →