DeepSeek-овиот модел V3 беше развиен во период од два месеци за 5, 58 милиони американски долари, користејќи помалку компјутерски ресурси од своите конкуренти. Време за читање: 2 минути Зошто можете да му верувате на SCMP Репортер: Бен Џианг во Пекинг Објавено и ажурирано: 6:45 часот, 27 декември 2024 DeepSeek, кинески стартап, го вознемири глобалниот ИИ сектор со својот нов модел на голем јазичен модел (LLM), кој во бенчмарк тестовите ги надминува моделите од Meta Platforms и ChatGPT креаторот OpenAI. Компанијата со седиште во Хангџоу објави преку WeChat во четвртокот дека нејзиниот LLM, DeepSeek V3, има 671 милијарда параметри и беше обучен за период од околу два месеци со трошок од 5, 58 милиони американски долари, користејќи значително помалку компјутерски ресурси од оние развиени од поголемите компании. LLM го поддржува генеративниот ИИ сервис како ChatGPT, а високата бројка на параметри е клучна за адаптирање на сложени обрасци на податоци и прецизни предвидувања. Компјутерскиот научник Андре Карпати, член на основниот тим на OpenAI, коментираше за извештајот на кинескиот стартап за својот нов модел за ИИ, изјавувајќи на платформата за социјални мрежи X, „DeepSeek го прави да изгледа лесно . . .

со отворено објавување на тежините на модел од гранична класа обучен со смешен буџет. “ Отворените тежини подразбираат објавување само на предобучените параметри, или тежините, на ИИ моделот, дозволувајќи им на трети страни да го користат моделот за предвидувања и фино прилагодување, но не и да го обезбедуваат тренингот кодот, оригиналниот сет на податоци, деталите за архитектура и методологијата на обука. Создавањето на силен LLM од страна на DeepSeek со буџет многу помал од тој што обично го инвестираат поголемите компании како Meta и OpenAI, ги истакнува постигнувањата на кинеските ИИ компании, и покрај американските санкции што го ограничуваат нивниот пристап до напредни полупроводници, неопходни за обука на модели.