DeepSeek's V3-Modell wurde über zwei Monate für 5, 58 Millionen US-Dollar entwickelt und nutzte dabei weniger Rechenressourcen als seine Wettbewerber. Lesezeit: 2 Minuten Warum Sie SCMP vertrauen können Berichtet von Ben Jiang in Peking Veröffentlicht und aktualisiert: 18:45 Uhr, 27. Dezember 2024 DeepSeek, ein chinesisches Start-up, hat die globale KI-Branche mit seinem neuen großen Sprachmodell (LLM) aufgerüttelt, das in Benchmark-Tests Modelle von Meta Platforms und dem ChatGPT-Ersteller OpenAI übertroffen hat. Das in Hangzhou ansässige Unternehmen gab am Donnerstag über WeChat bekannt, dass sein LLM, DeepSeek V3, über 671 Milliarden Parameter verfügt und in etwa zwei Monaten für 5, 58 Millionen US-Dollar trainiert wurde.

Dabei verwendete es bemerkenswert weniger Rechenressourcen als die von größeren Technologiefirmen entwickelten Modelle. Ein LLM unterstützt generative KI-Dienste wie ChatGPT, und eine hohe Parameteranzahl ist entscheidend für die Anpassung an komplexe Datenmuster und die Erstellung präziser Vorhersagen. Der Informatiker Andrej Karpathy, ein Gründungsmitglied des OpenAI-Teams, kommentierte den Bericht des chinesischen Start-ups über sein neues KI-Modell auf der Social-Media-Plattform X: „DeepSeek macht es einfach . . . mit einem offenen Gewichts-Release eines erstklassigen LLM, das mit einem Witz von einem Budget trainiert wurde. “ Offene Gewichte bedeuten die Veröffentlichung nur der vortrainierten Parameter oder Gewichte eines KI-Modells, wodurch Dritte das Modell für Inferenz und Feinabstimmung nutzen können, aber nicht den Trainingscode, den ursprünglichen Datensatz, Architekturdetails und die Trainingsmethodik erhalten. Die Schaffung eines starken LLMs durch DeepSeek mit einem weit geringeren Budget als das, was größere Unternehmen wie Meta und OpenAI normalerweise investieren, unterstreicht den Fortschritt chinesischer KI-Unternehmen, trotz US-Sanktionen, die ihren Zugang zu fortschrittlichen Halbleitern einschränken, die für das Training von Modellen erforderlich sind.