Implementación de DeepSeek V3 en JAX con 190 líneas de código
El proyecto deepseek-v3-jax presenta una implementación de la arquitectura DeepSeek V3 utilizando exclusivamente la librería JAX, sin dependencias de PyTorch, Flax o Equinox. El código, compuesto por 190 líneas, permite preentrenar un modelo de 36,2 millones de parámetros desde cero en un MacBook Ai
