Maabara ya Kichina imezindua mojawapo ya mifano ya AI yenye nguvu zaidi "iliyowazi" hadi sasa, inayoitwa DeepSeek V3. Imeundwa na kampuni ya AI, DeepSeek, ilitolewa Jumatano chini ya leseni inayoruhusu, kuruhusu watengenezaji kupakua na kuibadilisha kwa matumizi mengi, ikiwa ni pamoja na matumizi ya kibiashara. DeepSeek V3 ina uwezo mkubwa katika kazi mbalimbali zinazoegemea maandishi kama vile kuweka misimbo, kutafsiri, na kuandika insha na barua pepe kutoka kwa maelekezo. Kulingana na majaribio ya ndani ya DeepSeek, DeepSeek V3 inazidi mifano inayoweza kupakuliwa, "ilivyo wazi" na mifano ya AI "iliyofungwa" ambayo inaweza kufikiwa tu kupitia API. Katika mashindano ya kuweka misimbo kwenye Codeforces, jukwaa la mashindano ya programu, DeepSeek inashinda mifano mingine, ikiwa ni pamoja na Llama 3. 1 405B ya Meta, GPT-4o ya OpenAI, na Qwen 2. 5 72B ya Alibaba. Inafanya vizuri sana pia katika jaribio la Aider Polyglot, linaloandaliwa kutathmini kama mfano unaweza kuandika msimbo mpya unaounganika na msimbo uliopo. DeepSeek V3 ilifundishwa kwa seti ya data ya trilioni 14. 8 ya tokeni. Katika sayansi ya data, tokeni inawakilisha vipande vya data mbichi, ambapo tokeni milioni 1 ni takriban sawa na maneno 750, 000. Mfano huu pia ni mkubwa kwa ukubwa, ukiwa na viashiria bilioni 671 (au bilioni 685 kwenye jukwaa la AI la Hugging Face), ambavyo ni vigezo vya ndani ambavyo mifano hutumia kufanya maamuzi. Ukubwa huu ni takriban mara 1. 6 ya ile ya Llama 3. 1 405B ya viashiria bilioni 405. Kwa kawaida, mifano yenye viashiria vingi hufanya vizuri zaidi, lakini pia inahitaji vifaa vya kisasa kutekelezwa kwa ufanisi. DeepSeek V3 isiyoboreshwa inahitaji benki ya GPU za hali ya juu kwa kasi ya kuridhisha. Licha ya kutokuwa na ufanisi kabisa, DeepSeek V3 ni mafanikio.

DeepSeek ilifundisha mfano huu katika muda wa miezi miwili takriban kwa kutumia kituo cha data cha Nvidia H800 GPU, ambazo makampuni ya Kichina yalikatazwa hivi karibuni kupata na Idara ya Biashara ya Marekani. Kampuni inadai ilitumia tu dola milioni 5. 5 kufundisha DeepSeek V3, sehemu ya gharama ya mifano kama GPT-4 ya OpenAI. Hata hivyo, maoni ya kisiasa ya mfano huu yamezuiliwa kiasi. Kwa mfano, haitatoa maoni juu ya mada ya Tiananmen Square. Kama kampuni ya Kichina, DeepSeek inazingatia kanuni za mtandao wa Kichina, kuhakikisha majibu ya mfano yanazingatia "maadili ya msingi ya kijamaa. " Mifumo mingi ya AI ya Kichina huepuka mada ambazo zinaweza kusababisha wasiwasi kwa waangalizi, kama vile majadiliano kuhusu utawala wa Xi Jinping. DeepSeek, ambayo ilianzisha hivi karibuni DeepSeek-R1 kama mshindani wa mfano wa "hoja" wa OpenAI’s o1, ni shirika la kuvutia. Inadhaminiwa na High-Flyer Capital Management, mfuko wa ua wa Kichina unaotumia AI kwa biashara. High-Flyer inajenga makundi yake ya seva kwa mafunzo ya mifano, mojawapo ukiwa na GPU 10, 000 za Nvidia A100 na gharama ya yen bilioni 1 (~dola milioni 138). Ilianzishwa na Liang Wenfeng, mhitimu wa sayansi ya kompyuta, High-Flyer inalenga kufikia AI "ya akili isiyo na kikomo" kupitia DeepSeek. Wenfeng, katika mahojiano mapema mwaka huu, alielezea AI iliyofungwa kama OpenAI kuwa na “faida ya muda mfupi. ” “[Haijazuia wengine kufikia kiwango], ” alibainisha. Kweli kabisa.