社区案例

DeepSeek V3 与 V4 架构对比信息图

一份详尽的并排技术信息图，对比了 DeepSeek V3/R1 与 DeepSeek V4 的 Transformer 架构，适用于社交媒体发布、演示文稿或模型分析可视化。

Sigrid Jin 🌈🙏 · 2026-04-24 · 约 7 分钟

参考效果：DeepSeek V3 与 V4 架构对比信息图 — 社区作者发布的参考画面 · Sigrid Jin 🌈🙏

编辑提示词

完整提示词

{"type":"并排 AI 架构对比信息图","style":"简洁的技术图表，白色背景，细黑色轮廓，圆角矩形，虚线标注框，颜色编码高亮，演示文稿风格，矢量信息图","canvas":{"aspect_ratio":"2:1","resolution":"宽横向"},"title_row":{"left_title":"DeepSeek V3/R1 (6710 亿参数)","right_title":"DeepSeek V4 (1.2 万亿参数)","left_title_color":"亮橙红色","right_title_color":"亮蓝色"},"layout":{"columns":2,"sections":[{"title":"DeepSeek V3/R1 (6710 亿参数)","position":"左半部分","count":9,"labels":["词汇表大小 129k","FeedForward (SwiGLU) 模块","中间隐藏层维度 2,048","MoE 层","支持 128k token 上下文长度","前 3 个块使用隐藏大小为 18,432 的密集 FFN 而非 MoE","示例文本输入","嵌入维度 7,168","128 个注意力头"]},{"title":"DeepSeek V4 (1.2 万亿参数)","position":"右半部分","count":9,"labels":["词汇表大小 160k","FeedForward (SwiGLU) 模块","中间隐藏层维度 3,072","MoE 层","支持 256k token 上下文长度","前 3 个块使用隐藏大小为 24,576 的密集 FFN 而非 MoE","示例文本输入","嵌入维度 8,192","128 个注意力头"]},{"title":"底部对比表","position":"底部全宽","count":10,"labels":["总参数量","每个 token 的活跃参数量","隐藏层大小","示例维度","DeepSeek V3/R1","中间层 (FF)","注意力头","上下文长度","嵌入维度","词汇表大小"]}]},"left_panel":{"background":"浅灰色圆角矩形","main_stack":{"count":8,"blocks":["Token 化文本","Token 嵌入层","RMSNorm 1","多头潜在注意力 (MLA)","RMSNorm 2","MoE","最终 RMSNorm","线性输出层"]},"side_module":"RoPE 连接到左侧的注意力块","attention_block":{"label":"多头潜在注意力 (MLA)","accent":"Latent 一词使用橙红色文字"},"feedforward_inset":{"title":"FeedForward (SwiGLU) 模块","count":4,"blocks":["线性层","SiLU 激活函数","线性层","线性层"],"diagram":"两个分支相乘，然后进行投影"},"moe_inset":{"title":"MoE 层","count":5,"blocks":["顶部组合节点","前馈网络","前馈网络","路由","专家计数徽章 256"],"details":"带有 1 个选中专家的小黑方块，箭头指向专家，虚线分隔符"},"annotations":{"vocab":"词汇表大小 129k","ff_dim":"中间隐藏层维度 2,048","context":"支持 128k token 上下文长度","dense_first_blocks":"前 3 个块使用隐藏大小为 18,432 的密集 FFN 而非 MoE","resource_savings":"资源节省：模型大小为 671B，但每个 token 仅激活 1 个（共享）+ 8 个专家；每次推理步骤仅激活 37B 参数"},"bottom_stats":{"count":10,"items":["总参数量：671B","每个 token 活跃参数：37B (1 + 8 个专家)","隐藏层大小：7,128","示例维度：28,432","中间层 (FF)：2,048","注意力头：128","上下文长度：128k","嵌入维度：前 3 个块","上下文长度：22G7","词汇表大小：129k"]}},"right_panel":{"background":"浅蓝色圆角矩形","main_stack":{"count":8,"blocks":["Token 化文本","Token 嵌入层","RMSNorm 1","多头潜在注意力 (MLA)","RMSNorm 2","MoE","最终 RMSNorm","线性输出层"]},"side_module":"RoPE 连接到左侧的注意力块","attention_block":{"label":"多头潜在注意力 (MLA)","accent":"Latent 一词使用蓝色文字"},"feedforward_inset":{"title":"FeedForward (SwiGLU) 模块","count":4,"blocks":["线性层","SiLU 激活函数","线性层","线性层"],"diagram":"与左侧面板结构相同"},"moe_inset":{"title":"MoE 层","count":5,"blocks":["顶部组合节点","前馈网络","前馈网络","路由","专家计数徽章 384"],"details":"带有 1 个选中专家的小黑方块，箭头指向专家，虚线分隔符，蓝色边框强调"},"annotations":{"vocab":"词汇表大小 160k","ff_dim":"中间隐藏层维度 3,072","context":"支持 256k token 上下文长度","dense_first_blocks":"前 3 个块使用隐藏大小为 24,576 的密集 FFN 而非 MoE","resource_savings":"资源节省：模型大小为 1.2T，但每个 token 仅激活 1 个（共享）+ 8 个专家；每次推理步骤仅激活 52B 参数"},"bottom_stats":{"count":10,"items":["总参数量：1.2T","每个 token 活跃参数：52B (1 + 8 个专家)","隐藏层大小：7,2B","示例维度：28,432","中间层 (FF)：3,072","注意力头：128","上下文长度：256k","嵌入维度：前 3 个块","上下文长度：22G7","词汇表大小：160k"]}},"global_notes":"创建一个高度详细的 Transformer 架构对比图，采用镜像布局。每一半包含一个大型模型堆栈图和 2 个插图：1 个前馈模块和 1 个 MoE 层。在块之间使用箭头，添加微小的技术标签，并使用连接线将标签指向相关组件。保持排版紧凑且具有演示文稿感，所有 V3/R1 的强调使用橙红色，所有 V4 的强调使用蓝色。在底部包含一行跨越全宽的紧凑指标表。保留略显不完美的手绘信息图风格，文字较小且标注密集。"}

带入创作工作台

仅带入描述，不会自动生成。参考图与编辑模式请先上传或选中原图。

来源与说明

由 Sigrid Jin 🌈🙏 发布，经 YouMind 收录。提示词与图片权利归原作者及相应平台。

此案例需要参考图片，请在创作工作台中上传后再使用。

查看原始来源 ↗ · 作者主页

使用示例 →

把这个思路，变成下一次创作。

在 RonasAI 中开始创作 ↗