arquitectura-hardware-aware

DeepSeek revela cómo entrenar modelos de IA con 90% menos recursos: la fórmula que reduce costos de entrenamiento de millones a miles de dólares

DeepSeek-V3 logró entrenar un modelo de 671B parámetros con solo 2,048 GPUs H800, reduciendo costos de entrenamiento 90% mediante arquitectura hardware-aware y técnicas FP8