V3 model DeepSeek-a razvijen je u roku od dva mjeseca za 5, 58 miliona američkih dolara, koristeći manje računalnih resursa od svojih konkurenata. Vrijeme čitanja: 2 minute Zašto možete vjerovati SCMP-u Izvještaj Ben Jianga iz Pekinga Objavljeno i ažurirano: 18:45, 27. decembar 2024. DeepSeek, kineski start-up, uzdrmao je globalnu industriju AI-a sa svojim novim velikim jezičkim modelom (LLM), koji je nadmašio modele Meta Platforms i kreatora ChatGPT-a, OpenAI-a, u testovima temeljnih standarda. Kompanija sa sjedištem u Hangzhouu objavila je u četvrtak putem WeChata da njen LLM, DeepSeek V3, ima 671 milijardu parametara i da je treniran otprilike dva mjeseca uz cijenu od 5, 58 miliona američkih dolara, koristeći znatno manje resursa računalne moći od onih koje su razvile veće tehnološke firme. LLM podržava generativne AI usluge poput ChatGPT-a, a visok broj parametara je ključan za prilagođavanje složenim obrascima podataka i davanje preciznih predikcija. Računarski naučnik Andrej Karpathy, član osnivačkog tima OpenAI-a, komentarisao je izvještaj kineskog start-upa o svom novom AI modelu, rekavši na društvenoj mreži X: "DeepSeek čini da izgleda lako . . .

s objavom otvorenih težina modela LLM vrhunske klase treniranog s budžetom koji je šala. " Otvorene težine podrazumijevaju objavljivanje samo unaprijed treniranih parametara, ili težina, AI modela, omogućavajući trećim stranama da koriste model za inferenciju i fino podešavanje, ali ne pružajući kôd za treniranje, originalni skup podataka, detalje arhitekture i metodologiju treniranja. Stvaranje snažnog LLM-a od strane DeepSeek-a uz daleko manji budžet od onoga što veće kompanije poput Meta i OpenAI obično ulažu, ističe napredak kineskih AI firmi, uprkos američkim sankcijama koje ograničavaju njihov pristup naprednim poluprovodnicima potrebnim za treniranje modela.