DeepSeek 推出了 DeepEP，这是一款开源通信库，旨在提高混合专家（MoE）模型的训练和推理效率。 DeepEP 通过支持 NVLink 和 RDMA 技术的节点内（intranode）和节点间（internode）配置来优化 GPU 通信。它具备高吞吐量和低延迟的计算内核，并支持 FP8 运算，旨在降低训练成本并提升 AI 模型的可扩展性。该发布受到了 AI 社区的热烈欢迎，凸显

#DeepSeek #DeepEP #开源通信库 #混合专家模型 #MoE模型 #GPU通信 #NVLINK #RDMA技术 #AI模型 #FP8运算 #计算效率 #AI社区

相关新闻

†101超天才酱†🇹🇼✈(571分钟不间断†升天†)

8小时前

Deepseek和豆包给我发野爹证了😃

Y11

17小时前

如果你还没注意到这个变化，那现在应该关注一下：计算的重心正在从预训练转向推理。我们发现，通过在测试时扩大计算资源的投入，效率提升非常显著，而且这种提升的空间似乎还很大。在人工智能领域，预训练阶段就像给模型打好基础，用海量数据让模型学会知识和规律。但真正让模型服务于实际问题的，是推理阶段——就像让学会了知识的人去解决具体问题。过去，大家可能更关注如何让预训练模型变得更大更强，比如用更

Y11

1天前

有一个常被忽视却至关重要的挑战，是技术迭代带来的架构重构难题。当行业内新的AI模型不断涌现，许多人可能会误以为只要简单替换最新模型就能实现突破。但实际上，每一次技术升级，哪怕只是模型检查点（checkpoint）的微小调整，都可能引发连锁反应。这就像在精密的钟表里更换一个齿轮，看似简单的改动，却需要重新审视整个系统的适配性——从数据处理流程到算法逻辑，从硬件资源调度到应用层交互，都可能

刘小排

3天前

你们发现没，Claude Sonnet 4.5比Claude Opus 4.1强太多了，强到惊悚

向阳乔木

4天前

OpenAI的GDPval评测集有点意思。让AI完成44个高薪职业的真实任务。平均每个任务需要专家花费7小时，单任务价值 $361 美元。到底哪个模型最牛逼？下面来拆解