DeepSeek anunció la liberación oficial de DeepSeek-V2.5, una ambiciosa actualización que fusiona en un único punto de control los pesos y capacidades de sus modelos insignia DeepSeek-V2-Chat y DeepSeek-Coder-V2. Con una arquitectura de mezcla de expertos (MoE) de 236.000 millones de parámetros totales y 21.000 millones de parámetros activados por token, DeepSeek-V2.5 resuelve el histórico dilema de degradación entre capacidades lingüísticas y de codificación, logrando puntajes sobresalientes en seguimiento de instrucciones complejas, razonamiento matemático en GSM8K y resolución de incidencias de software en SWE-bench, todo respaldado por la eficiente atención latente multicabezal (MLA) que reduce en un 93% la huella de memoria para la caché de claves y valores (KV cache).
Capítulo 01
La noticia en una frase
DeepSeek lanza DeepSeek-V2.5 de 236B MoE (21B activos), unificando chat general y programación avanzada con arquitectura MLA y 128k de contexto.
En evaluaciones académicas y pruebas ciegas de usuarios en LMSYS Arena, DeepSeek-V2.5 alcanza una tasa de acierto del 85,1% en HumanEval y supera a Llama 3.1 70B en alineación de preferencias humanas para redacción y análisis técnico.
Capítulo 02
El alcance que cambia la lectura
Para desarrolladores de software y empresas tecnológicas que buscan un único modelo versátil para copilotos de código, redacción de documentación y agentes de soporte, DeepSeek-V2.5 elimina la necesidad de alternar entre múltiples modelos especializados.
