DeepSeek-V4-Pro

MERA Создан 13.06.2026 12:01
0.687
Общий результат
30
Место в рейтинге
Слабые задачи:
31
RWSD
261
PARus
80
RCB
183
ruEthics
31
MultiQ
110
ruWorldTree
113
ruOpenBookQA
27
ruMMLU
22
ruHateSpeech
42
ruDetox
101
ruHHH
72
ruTiE
174
ruHumanEval
36
MathLogicQA
33
ruMultiAr
252
SimpleAr
28
LCS
342
BPS
39
ruModAr
32
MaMuRAMu
155
ruCodeEval
+17
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.382 Accuracy
RCB 0.573 / 0.418 Accuracy F1 macro
USE 0.675 Grade norm
RWSD 0.7 Accuracy
PARus 0.8 Accuracy
ruTiE 0.849 Accuracy
MultiQ 0.601 / 0.444 F1 Exact match
CheGeKa 0.582 / 0.483 F1 Exact match
ruModAr 0.879 Exact match
MaMuRAMu 0.863 Accuracy
ruMultiAr 0.745 Exact match
ruCodeEval 0.09 / 0.365 / 0.573 Pass@k
MathLogicQA 0.851 Accuracy
ruWorldTree 0.962 / 0.775 Accuracy F1 macro
ruOpenBookQA 0.888 / 0.712 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.872 Accuracy
ruMMLU 0.816 Accuracy
SimpleAr 0.957 Exact match
ruHumanEval 0.087 / 0.333 / 0.512 Pass@k
ruHHH 0.831
ruHateSpeech 0.879
ruDetox 0.337
ruEthics
Правильно Хорошо Этично
Добродетель 0.326 0.338 0.383
Закон 0.352 0.322 0.368
Мораль 0.367 0.345 0.402
Справедливость 0.319 0.28 0.351
Утилитаризм 0.299 0.29 0.308

Информация о сабмите

Версия MERA
v1.2.0
Версия Torch
2.10.0
Версия кодовой базы
d539716
Версия CUDA
12.8
Precision весов модели
auto
Сид
1234
Батч
1
Версия transformers
4.57.6
Количество GPU и их тип
1 x NVIDIA A100-SXM4-80GB
Архитектура
openai-chat-completions

Команда:

MERA

Название ML-модели:

DeepSeek-V4-Pro

Ссылка на ML-модель:

https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro

Размер модели

1,600.0B

Тип модели:

Открытая

SFT

MoE

Дополнительные ссылки:

https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/DeepSeek_V4.pdf

Описание архитектуры:

61 Transformer layers, hidden dimension 7168. First 2 layers: HCA; subsequent layers: CSA and HCA interleaved. CSA: compression rate 4, 64 indexer heads (dim 128), top-k 1024. HCA: compression rate 128. Both: 128 query heads (dim 512), query compression dim 1536, 16 output groups (1024 each). Sliding window branch: size 128. All blocks use MoE (Hash routing in first 3 layers): 1 shared + 384 routed experts (dim 3072), 6 experts per token. MTP depth 1; mHC expansion factor 4, 20 Sinkhorn-Knopp iterations. 1.6T total parameters, 49B activated per token. Context: 1M tokens.

Описание обучения:

Pre-training: Muon (majority) + AdamW (embedding, head, RMSNorm). 33T tokens, max batch 94.4M. LR: warmup 2000 steps → peak 2.0×10⁻⁴ → cosine decay to 2.0×10⁻⁵. Sequence length 4K → 16K → 64K → 1M; longer dense-attention stage than Flash; sparse attention from 64K. Stability: Anticipatory Routing, SwiGLU clamping [−10, 10]. Post-training: SFT + GRPO RL for domain specialists (3 reasoning modes: Non-think / Think / Think Max) → On-Policy Distillation from 10+ teacher models. FP4 QAT for MoE weights and CSA indexer.

Данные претрейна:

Built on DeepSeek-V3 data: more diverse, higher-quality corpus with longer effective contexts. Web data filtered from auto-generated/templated content. Core: math, code; agentic data added in mid-training. Expanded multilingual data and long-document curation (scientific papers, technical reports). Corpus >32T tokens (Pro trained on 33T). Tokenizer: 128K vocab, FIM, document packing; sample-level attention masking (unlike V3).

Лицензия:

MIT License

Параметры инференса

Параметры генерации:
rucodeeval - do_sample=true;temperature=0.6;until=["<|end▁of▁sentence|>"],max_gen_toks=10000; ruhumaneval - do_sample=true;temperature=0.6;until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rutie_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; bps_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; chegeka - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; lcs_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; mamuramu_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; mathlogicqa_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; multiq - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; parus_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rcb_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rudetox - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; ruethics_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; ruhatespeech_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; ruhhh_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rummlu_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rumodar - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rumultiar - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; ruopenbookqa_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; ruworldtree_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; rwsd_gen - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; simplear - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000; use - do_sample=false,until=["<|end▁of▁sentence|>"],max_gen_toks=10000;

Размер контекста:
1000000

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

Оценки по подкатегориям

Метрика: Grade Norm
Модель, команда 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 8_0 8_1 8_2 8_3 8_4
DeepSeek-V4-Pro
MERA
0.733 0.733 0.867 0.5 0.7 0.933 0.8 - 0.5 0.333 0.333 0.567 0.9 0.733 0.533 0.65 0.567 0.333 0.767 0.467 0.7 0.667 0.533 0.567 0.6 0.825 0.8 0.833 0.767 0.667 0.933
Модель, команда Честность Помощь Безопасность
DeepSeek-V4-Pro
MERA
0.738 0.864 0.897
Модель, команда Анатомия Вирусология Астрономия Маркетинг Нутрициология Социология Менеджмент Философия История древнего мира Геронтология Эконометрика Формальная логика Факторы глобального значения Юриспунденция Микс (разнообразный домен) Мораль Бизнес-этика Биология (школьная) Физика (школьная) Человеческая сексуальность Моральные сценарии Мировые религии Общая алгебра Медицина (школьная) Машинное обучение Генетика Профессиональное законодательство PR Безопасность Химия (школьная) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (школьная) Биология (университетская) Физика (университетская) Химия (университетская) География (университетская) Профессиональная медицина Электротехника Элементарная математика Психология (университетская) Статистика (университетская) История (университетская) Математика (университетская) Бухгалтерский учет Профессиональная психология Компьютерные науки (уровень колледжа) Мировая история (университетская) Макроэкономика Микроэкономика Компьютерные науки (университетские) История европы Государство и политика
DeepSeek-V4-Pro
MERA
0.852 0.536 0.947 0.876 0.824 0.866 0.864 0.826 0.88 0.717 0.711 0.833 0.67 0.852 0.905 0.766 0.82 0.944 0.844 0.878 0.679 0.883 0.76 0.786 0.786 0.96 0.653 0.694 0.796 0.69 0.76 0.934 0.785 0.879 0.872 0.863 0.87 0.913 0.828 0.877 0.879 0.868 0.786 0.931 0.901 0.806 0.931 0.819 0.762 0.834 0.85 0.92 0.859 0.933 0.91 0.818 0.902
Модель, команда SIM FL STA
DeepSeek-V4-Pro
MERA
0.745 0.652 0.712
Модель, команда Анатомия Вирусология Астрономия Маркетинг Питание Социология Менеджмент Философия Предыстория Геронтология Эконометрика Формальная логика Глобальные факты Юриспруденция Разное Моральные споры Деловая этика Биология (колледж) Физика (колле Человеческая сексуальность Моральные сценарии Мировые религии Абстрактная алгебра Медицина (колледж) Машинное обучение Генетика Профессиональное право PR Безопасность Химия (колледж) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (колледж) Биология (универ) Физика (универ) Химия (универ) География (универ) Проф медицина Электрика Элементарная математика Психология (универ) Статистика (универ) История (универ) Математика (универ) Бухгалтерия Проф психология Коммпьютерные науки (колледж) Мировая история (универ) Макроэкономика Микроэкономика Компьютерные науки (универ) История Европы Государство и политика
DeepSeek-V4-Pro
MERA
0.889 0.861 0.883 0.731 0.882 0.845 0.828 0.789 0.981 0.769 0.782 0.783 0.667 0.969 0.871 0.827 0.766 0.822 0.86 0.825 0.825 0.915 0.933 0.923 0.889 0.894 0.808 0.737 0.895 0.911 0.867 0.923 0.821 0.912 0.803 0.946 0.933 0.911 0.825 0.938 0.935 0.905 0.822 1 0.897 0.911 0.914 0.886 0.938 0.895 0.867 0.928 0.835 0.805 0.698 0.906 0.889
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-V4-Pro
MERA
0.326 0.352 0.367 0.319 0.299
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-V4-Pro
MERA
0.338 0.322 0.345 0.28 0.29
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-V4-Pro
MERA
0.383 0.368 0.402 0.351 0.308
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
DeepSeek-V4-Pro
MERA
0.852 0.857 0.882 0.946 1 0.885