Grande modelo MoE de código aberto da DeepSeek, com desempenho comparável aos melhores modelos fechados e custo de treinamento muito baixo.
Transformer Explainer
Transformer Explained Visually: Learn How LLM Transformer Models Work with Interactive Visualization
- Categoria
- 🧠 Grandes modelos de linguagem
- Repositório
- poloclub/transformer-explainer
- Estrelas
- ★ 8.998
- Forks
- 1.029
- Última atualização
- 2026-06-06
- Visitas
- 1
LLM
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.