今日，《科创板日报》报道，人工智能公司DeepSeek在AI开源社区Hugging Face发布了全新模型DeepSeek-Prover-V2-671B。该模型参数量高达6710亿，是Prover-V1.5的升级版，采用更高效的safetensors文件格式并支持多计算精度，便于快速训练与部署。其架构基于DeepSeek-V3，运用MoE混合专家模式，含61层Transformer层及7168维隐藏层，支持超长上下文，最大位置嵌入达16.38万，可高效处理复杂数学证明任务。此外，模型通过FP8量化技术优化推理效率，减小模型体积。此模型的发布标志着深度学习领域的重要进展，值得关注。

Meta于4月5日推出最新开源AI模型Llama 4，包含Scout和Maverick两个版本。Llama 4首次采用混合专家(MoE)架构，能高效处理文本、视频、图像和音频等多模态数据。Scout拥有170亿活跃参数、16个专家模型，总参数1090亿；Maverick同样170亿活跃参数，但扩展至128个专家模型，总参数达4000亿。Behemoth作为更强大的模型正在研发中，被Meta视为“教师模型”。这些模型均基于大量未标注数据训练，具备广泛视觉理解能力。Scout和Maverick已开放下载，支持多平台获取，Meta AI已升级至Llama 4并覆盖40国，但多模态功能暂限美国英语。Meta CEO扎克伯格强调开源共享愿景，同时承认Llama 4开发延迟源于技术基准未达标及对话模拟能力不足等问题。Meta计划今年投入650亿美元扩展AI基础设施，面临投资者对回报的质疑。

Meta于4月6日发布Llama 4系列AI模型，包括Scout、Maverick和Behemoth。这些模型通过“混合专家架构”提升效率，利用大量未标注的文本、图像和视频数据增强视觉理解能力。Maverick拥有4000亿参数，仅170亿活跃参数，适合通用AI助手和聊天场景，部分性能超越GPT-4o和Gemini 2.0。Scout专注文档总结和代码推理，支持1000万个词元处理。Behemoth有2880亿活跃参数，总参数近2万亿，STEM技能评估优于GPT-4.5和Gemini 2.0 Pro，但仍不及Gemini 2.5 Pro。

标题：DeepSeek开源的DeepGEMM详解 DeepSeek开源周第三天发布了专为Hopper架构GPU优化的矩阵乘法库——DeepGEMM。该库支持标准矩阵计算和混合专家模型（MoE）计算，在Hopper GPU上达到1350+FP8 TFLOPS的高性能。 DeepGEMM核心代码仅约30...

2月25日，DeepSeek在开源周上发布了DeepEP，首个用于MoE模型训练和推理的EP通信库。该库支持高效全对全通信及低精度运算，兼容现代高性能计算需求。特别优化了NVLink到RDMA的非对称带宽转发场景，提供高吞吐量和SM数量控制。对于延迟敏感的推理解码，DeepEP还提供纯RDMA低延迟内核，支持自适应路由，满足多样化GPU资源需求。

《科创板日报》报道，月之暗面Kimi发布新技术报告，推出‘Moonlight’模型，该模型基于Muon训练，参数量分别为30亿和160亿。使用了5.7万亿个token进行训练，在较低的浮点运算次数下实现更优性能，提升了帕累托效率边界。

国产AI大模型DeepSeek在近期发布，其DeepSeek-V3和DeepSeek-R1模型在多项评测中超越了其他开源模型，性能接近GPT-4。DeepSeek-R1可免费使用并支持联网搜索，其推理成本低，仅需传统模型成本的约3%。DeepSeek还开源了模型权重和技术，降低了使用门槛。此外，DeepSeek最新推出的Janus-Pro-7B模型在多模态能力上表现出色。与此同时，阿里通义团队发布了Qwen2.5-Max模型，性能与DeepSeek-V3相媲美。DeepSeek的成功引发了行业关注，推动了AI技术的发展。

近日，由全球华人科研团队开发的时序大模型Time-MoE取得重大突破，该模型首次将时间序列预训练大模型的参数规模扩大至十亿级别，预训练数据达到3000亿个时间点。Time-MoE采用创新的混合专家架构（MoE），显著提升了预测精度并降低了计算成本。团队还发布了涵盖九个领域的Time-300B数据集，成为当前时序领域最大的公开数据集。实验结果显示，Time-MoE在零样本和全样本预测中均表现优异，MSE分别降低约20%和24%，并在能耗和训练速度上具有明显优势。此成果为能源管理、金融预测、电商销量等多个关键领域的应用提供了强大的工具。 摘要中保留了关键信息，包括时间、地点、事件等核心要素，并符合新闻三要素。