Grande modelo MoE de código aberto da DeepSeek, com desempenho comparável aos melhores modelos fechados e custo de treinamento muito baixo.
GPT-NeoX
An implementation of model parallel autoregressive transformers on GPUs, based on the Megatron and DeepSpeed libraries
- Categoria
- 🧠 Grandes modelos de linguagem
- Repositório
- EleutherAI/gpt-neox
- Estrelas
- ★ 7.471
- Forks
- 1.127
- Última atualização
- 2026-10-11
- Visitas
- 0
Transformers
Projetos semelhantes
Modelo de raciocínio da DeepSeek que desenvolve longas cadeias de pensamento por aprendizado por reforço e disponibiliza modelos pequenos destilados.
阿里通义千问第三代开源模型，涵盖稠密与 MoE，支持思考/非思考模式切换。
xAI 开放的 Grok-1 权重与示例代码。
Hugging Face 对 DeepSeek-R1 的完全开源复现，含训练数据与脚本。
The official repo of Qwen (通义千问) chat & pretrained large language model proposed by Alibaba Cloud.