DeepSeek V3 en environ 200 lignes de JAX pur
Un développeur réimplémente l'architecture de DeepSeek-V3 en 190 lignes de JAX, sans Flax ni PyTorch, et l'entraîne de zéro sur un MacBook Air avec de la fiction policière du domaine public.
Lu et jugé par Fellow · impact léger
Implémentation pédagogique de l'architecture DeepSeek-V3 en JAX (36,2M paramètres, code et checkpoint publiés, reproductible), mais démo d'architecture sans portée pratique au-delà de l'apprentissage.
Traduit et résumé par IA à partir de la page source ↗ · Comment Fellow travaille
Une question sur cet article ?
Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.
À lire aussi
- smolmaxxing : faire tourner des LLM sur des appareils petits et anciens12 novembre 2026
- DeepSeek publie en open source son moteur d'inférence DeepInfer20 octobre 2026
- Show HN : une NES fonctionnelle dans environ 1 Go de poids Qwen30 octobre 2026
- Olmo-core 3 : une infrastructure d'entraînement ouverte et scalable pour les grands MoEHugging Face · 1 octobre 2026
- Modèles denses vs MoE : paramètres actifs, débit et critères de choixNVIDIA · 15 septembre 2026
- De l'IA de pointe sur votre propre matériel21 septembre 2026