Skip to main content
AI RADARGitHub
221•02/10/2026, 10:17•2 min

DeepSeek libera DeepGEMM: biblioteca de código abierto para acelerar cálculos matriciales en GPU para modelos de IA

DeepSeek libera DeepGEMM: biblioteca de código abierto para acelerar cálculos matriciales en GPU para modelos de IA
Resumen ejecutivo30 seg

DeepSeek ha publicado DeepGEMM, una biblioteca de código abierto que acelera las operaciones matriciales en GPU utilizadas por los grandes modelos de lenguaje, con soporte para NVIDIA Hopper y Blackwell.

DeepSeek ha publicado DeepGEMM, una biblioteca de código abierto que acelera los cálculos en GPU que sustentan los modelos de IA. Optimiza las operaciones matriciales utilizadas por los grandes modelos de lenguaje y mejora la eficiencia en GPUs NVIDIA Hopper y Blackwell.

La biblioteca admite FP8, FP4 y BF16. Incluye optimizaciones para arquitecturas Mixture-of-Experts, superpone el intercambio de datos entre GPU con los cálculos y compila kernels en tiempo de ejecución, evitando una compilación CUDA separada durante la instalación.

DeepSeek afirma que DeepGEMM alcanza un rendimiento igual o superior al de bibliotecas especializadas optimizadas por expertos en varios tamaños de matrices.

DeepGEMM en GitHub

Por qué es importante

Análisis

Los kernels matriciales más eficientes pueden reducir los costes de entrenamiento e inferencia de los LLM, especialmente en GPUs NVIDIA modernas y arquitecturas Mixture-of-Experts.

Debatir en la comunidad

Comparte tus preguntas e ideas con desarrolladores

Unirse a Telegram
+5 Points
← Volver a noticias

Relacionado en el ecosistema

Guías prácticas, terminología y skills de agentes