DeepSeeks V3-modell ble utviklet over to måneder for 5, 58 millioner USD, og brukte færre datamaskinressurser enn konkurrentene. Lesetid: 2 minutter Hvorfor du kan stole på SCMP Rapportert av Ben Jiang i Beijing Publisert og oppdatert: 18:45, 27. desember 2024 DeepSeek, en kinesisk start-up, har rystet den globale AI-industrien med sin nye store språkmodell (LLM), som har overgått modeller fra Meta Platforms og ChatGPT-skaperen OpenAI i benchmark-testene. Det Hangzhou-baserte selskapet kunngjorde via WeChat torsdag at deres LLM, DeepSeek V3, har hele 671 milliarder parametere og ble trent over omtrent to måneder til en kostnad på 5, 58 millioner USD, ved å bruke betydelig færre datamaskinressurser enn de som er utviklet av større teknologiselskaper. En LLM støtter generative AI-tjenester som ChatGPT, og et høyt parameterantall er avgjørende for å tilpasse seg komplekse datamønstre og gjøre presise prediksjoner. Dataforsker Andrej Karpathy, et grunnleggermedlem i OpenAI, kommenterte den kinesiske start-upens rapport om den nye AI-modellen på sosiale medieplattformen X, og sa, "DeepSeek får det til å se enkelt ut …

med en åpen vektutgivelse av en frontlinje-LLM trent på et budsjett som er til å le av. " Åpne vekter innebærer å kun slippe de forhåndstrente parameterne, eller vektene, til en AI-modell, slik at tredjepartsaktører kan bruke modellen til inferens og finjustering, men uten å gi tilgang til treningskoden, det originale datasettet, arkitekturdetaljene og treningsmetodikken. DeepSeeks opprettelse av en sterk LLM med et budsjett langt mindre enn det større selskaper som Meta og OpenAI vanligvis investerer, fremhever fremgangen gjort av kinesiske AI-firmaer, til tross for amerikanske sanksjoner som begrenser deres tilgang til avanserte halvledere som er nødvendige for å trene modeller.