Një model i madh gjuhësor i zhvilluar në Kinë, i njohur si DeepSeek-R1, po emocionon shkencëtarët si një alternativë kostot-eefektive dhe të hapur ndaj modeleve të arsyetimit si o1 i OpenAI. Këta modele prodhojnë përgjigje në një sekuencë që imiton arsyetimin njerëzor, duke i bërë ata më të aftë se modelet e vjetra të gjuhës në përballjen me çështjet shkencore, duke potencialisht sjellë përfitime për kërkimin. Vlerësimet e para të R1, e cila u lançua më 20 janar, tregojnë se performanca e saj në detyrat që lidhen me kimikën, matematikën dhe kodimin rivalizon atë të o1— e cila impresionoi studiuesit pas publikimit të saj nga OpenAI në shtator. “Kjo është e mahnitshme dhe krejtësisht e papritur, ” komentoi Elvis Saravia, një kërkues AI dhe bashkëthemelues i firmës këshillimore të AI, DAIR. AI, me seli në Mbretërinë e Bashkuar, në X. R1 është e veçantë për një tjetër arsye. Start-up-i DeepSeek, me bazë në Hangzhou, e ka bërë modelin ‘pesha të hapura’, duke lejuar studiuesit të analizojnë dhe përmirësojnë algoritmin. Është publikuar nën një licencë MIT, duke mundësuar ripërdorim të lirë, megjithëse nuk është plotësisht burim i hapur, pasi të dhënat e trajnimit mbeten të paqarta. “Transparenca që tregon DeepSeek është e jashtëzakonshme, ” thotë Mario Krenn, kreu i Laboratorit të Shkencëtarëve Artificiale në Institutin Max Planck për Shkencën e Dritës në Erlangen, Gjermani. Në kontrast, o1 dhe modele të tjera nga OpenAI në San Francisco, përfshirë o3, konsiderohen "ndërtesa esencialisht të errëta, " vëren ai. Ndërsa halucionet e AI-së nuk mund të eliminohen plotësisht, disa teknika mund të ndihmojnë në lehtësimin e ndikimit të tyre. DeepSeek nuk ka zbuluar kostot totale të trajnimit të R1, por i ngarkon përdoruesit rreth një të tridhjetën e shpenzimeve operative të o1. Kompania gjithashtu ka zhvilluar versione mini ‘të distiluar’ të R1, duke lejuar studiuesit me burime të kufizuara kompjuterike të eksperimentojnë me modelin.

Krenn vëren, “Një eksperiment që kushtonte mbi £300 me o1 ishte më pak se $10 me R1, ” duke theksuar një diferencë të rëndësishme që mund të ndikojë në adoptimin e ardhshëm. R1 është pjesë e një rritjeje të modeleve të mëdha të gjuhës (LLMs) kineze. Duke dalë nga një fond të mbrojtur, DeepSeek fitoi njohje muajin e kaluar me publimin e një chatbot-i të quajtur V3, i cili tejkaloi konkurentët kryesorë pavarësisht një buxheti të kufizuar. Ekspertët shënojnë se qeraja e harduerit për trajnimin e modelit ishte rreth $6 milion, krahasuar me mbi $60 milion për Llama 3. 1 405B të Meta, e cila përdori 11 herë më shumë burime kompjuterike. Entuziazmi rreth DeepSeek buron pjesërisht nga arritja e saj në zhvillimin e R1 përballë kontrollave të eksportit të SHBA që kufizojnë qasjen e kompanive kineze në çipat e procesimit të AI-së të nivelit të lartë. “Fakti që origjinon nga Kina tregon se menaxhimi efektiv i burimeve është më kritik se sa fuqia e madhe kompjuterike, ” thotë François Chollet, një kërkues AI me bazë në Seattle, Washington. Përparimet e DeepSeek tregojnë se “shkalla e parë e perceptuar si një avantazh amerikan është ngushtuar ndjeshëm, ” vuri në dukje Alvin Wang Graylin, një ekspert teknologjie në Bellevue, Washington, i cili është i lidhur me kompaninë tajvaneze të teknologjisë immersive HTC, në X. “Të dy vendet duhet të konsiderojnë një strategji bashkëpunimi për zhvillimin e AI-së së avancuar përveçse të vazhdojnë të garojnë në një garë të pafrytshme armësh. ”