A DeepSeek V3 modelljét két hónap alatt fejlesztették ki 5, 58 millió amerikai dollár költséggel, kevesebb számítási erőforrás felhasználásával, mint versenytársai. Olvasási idő: 2 perc Miért bízhat meg az SCMP-ben Ben Jiang beszámolója Pekingből Közzétéve és frissítve: 2024. december 27. , 18:45 A DeepSeek, egy kínai start-up, megrengette a globális AI ipart új, nagy nyelvi modelljével (LLM), amely a Meta Platforms és a ChatGPT alkotója, az OpenAI modelljeit felülmúlta a benchmark tesztekben. A hangcsoui székhelyű vállalat csütörtökön a WeChaten bejelentette, hogy LLM-je, a DeepSeek V3, 671 milliárd paraméterrel rendelkezik, és körülbelül két hónap alatt lett betanítva 5, 58 millió amerikai dollár költséggel, jóval kevesebb számítási erőforrás mellett, mint amit nagyobb technológiai cégek használnak. Egy LLM támogatja a generatív AI szolgáltatásokat, mint például a ChatGPT, és a magas paraméter szám kulcsfontosságú a komplex adatmintákhoz való alkalmazkodás és a pontos előrejelzések készítése szempontjából. Andrej Karpathy, az OpenAI alapító csapatának tagja, megjegyezte a kínai start-up új AI modelljének jelentését, kijelentette a X közösségi média platformon: „A DeepSeek megkönnyíti a dolgát…

egy határszintű LLM súlyainak nyílt kiadásával, vicces költségvetésen képzett. ” A nyílt súlyok azt jelentik, hogy egy AI modell csak előre betanított paramétereit, vagy súlyait adják ki, lehetővé téve harmadik felek számára a modell használatát következtetésekre és finomhangolásra, de nem biztosítva a betanítási kódot, eredeti adatokat, architektúra részleteket vagy betanítási módszertant. Az a tény, hogy a DeepSeek erőteljes LLM-et hozott létre lényegesen kisebb költségvetésből, mint amit olyan nagyvállalatok mint a Meta és az OpenAI általában befektetnek, kiemeli a kínai AI cégek előrehaladását, azzal együtt is, hogy amerikai szankciók korlátozzák hozzáférésüket a modellképzéshez szükséges fejlett félvezetőkhöz.