DeepSeek V3.1 – häirekell OpenAI-le ja teistele: Hiina avatud lähtekoodiga tehisintellekt esitab väljakujunenud pakkujatele uusi väljakutseid

### Häirekell OpenAI-le ja teistele: Hiina uus tehisintellekt on sama võimas – aga üliodav. Mis selle taga on? ### DeepSeek V3.1: Vaikne tehisintellekti rünnak, mis pöörab nüüd tehnoloogiamaailma pea peale ### Unustage kallis tehisintellekt: Miks see Hiina avatud lähtekoodiga mudel kõike muudab ### Hiina uus supertehisintellekt: Kuidas Peking avaldab radikaalivaba strateegiaga läänele survet ### Parem ja odavam kui konkurents? Mida Hiina uus imeline tehisintellekt tegelikult teha suudab ###

DeepSeek V3.1 muudab tehisintellekti maastikku (taas kord)

Hiina tehisintellekt on kujunemas tõsiseks väljakutseks Ameerika tehnoloogiahiiglastele. Hangzhous asuv idufirma DeepSeek on oma uusima mudeliga V3.1 saavutanud olulise läbimurde, seades põhimõtteliselt kahtluse alla traditsioonilised eeldused tehisintellekti arendamise ja rahastamise kohta. Avatud lähtekoodiga mudel saavutab juhtivate patenteeritud süsteemide jõudluse murdosa arenduskuludega, sillutades teed tehisintellekti tulevikule.

Sobib selleks:

• Deepseek: Hiina AI revolutsioon jälitusvarju all – Washingtoni rasked väited

Tehniline innovatsioon hübriidarhitektuuriga

DeepSeek V3.1 põhineb täiustatud ekspertide segu arhitektuuril, millel on kokku 685 miljardit parameetrit, millest 37 miljardit aktiveeritakse iga žetooni kohta. See tehnoloogia võimaldab oluliselt tõhusamat ressursside kasutamist kui traditsioonilised mudelid, ilma et see kahjustaks jõudlust.

Uue mudeli silmapaistev omadus on hübriidne järeldusarhitektuur, mis suudab lülituda „mõtlemisrežiimi“ ja „mitte-mõtlemisrežiimi“ vahel. Mõtlemisrežiimis arendab süsteem sügavamaid sisemisi mõtteprotsesse ja sobib ideaalselt keerukate probleemide lahendamiseks, mis nõuavad mitmetasandilist loogilist arutluskäiku. Mitte-mõtlemisrežiim seevastu pakub otseseid ja kokkuvõtlikke vastuseid ülesannetele, kus kiirus on kriitilise tähtsusega.

Teine tehniline edasiminek on laiendatud kontekstiaken 128 000 märgini, mis võrdub ligikaudu 96 000 sõna või kahe 200-leheküljelise romaaniga. See maht võimaldab töödelda äärmiselt pikki dokumente, mõista terveid koodihoidlaid ja luua mitmeastmelisi dialoogistsenaariume.

Edasine arendus saavutati kahefaasilise konteksti laiendamise lähenemisviisi abil. 32 000 žetooni etappi laiendati kümme korda 630 miljardi žetoonini, samas kui 128 000 žetooni etappi laiendati 3,3 korda 209 miljardi žetoonini. Lisaks kasutab mudel optimaalse ühilduvuse tagamiseks kaasaegsete riistvaraarhitektuuridega UE8M0 FP8 andmevormingut.

Muljetavaldavad jõudlusparameetrid ja võrdlusnäitajad

Standardiseeritud testides saavutab DeepSeek V3.1 märkimisväärseid tulemusi. Tuntud Aideri kodeerimisnäitajal saavutas mudel tulemuse 71,6 protsenti – tulemus, mis konkureerib OpenAI ja Anthropicu juhtivate mudelitega. See tulemus on eriti muljetavaldav, arvestades, et see saavutatakse oluliselt madalama hinnaga.

Matemaatilistes ülesannetes edestab DeepSeek V3.1 isegi oma konkurente. Math 500 testis saavutas mudel 90,2 protsenti, samas kui GPT-4o suutis vaid 74,6 protsenti. MMLU-Pro testis paranes süsteem 5,3 punkti võrra 81,2 punktini ja GPQA võrdlusaluses saavutas see märkimisväärsed 9,3 punkti 68,4 punktini.

Eriti tähelepanuväärne on mitmeastmeliste arutlusülesannete täiustumine, kus V3.1 toimib 43 protsenti paremini kui tema eelkäija. Mudeli programmeerimisvõimalused võimaldavad luua kuni 700 rea pikkust veavaba koodi – see on jõudlus, mis konkureerib kallite patenteeritud lahendustega.

Revolutsiooniline kulutõhusus

DeepSeek V3.1 kulustruktuur pöörab tehisintellekti arendamise kohta seni tehtud oletused pea peale. Kui V3.1-ga maksab programmeerimisülesanne umbes ühe dollari, siis võrreldavad süsteemid küsivad sarnaste ülesannete eest peaaegu 70 dollarit. See dramaatiline kulude vähenemine muudab täiustatud tehisintellekti tehnoloogia kättesaadavaks ka väiksematele ettevõtetele ja arendajatele.

Ettevõtte sõnul olid aluseks oleva V3 mudeli arenduskulud vaid umbes 5,6 miljonit dollarit – murdosa sadadest miljonitest dollaritest, mida Ameerika ettevõtted sarnastele projektidele kulutavad. See efektiivsus saavutati uuenduslike koolitusmeetodite ja vähem võimsa, kuid kulutõhusama riistvara kasutamise abil.

DeepSeeki API hinnakujundus on konkurentidest oluliselt madalam. Vestlusmudel maksab 0,07 dollarit miljoni sisendtokeni kohta koos vahemälu tabamustega ja 1,10 dollarit miljoni väljundtokeni kohta. Arutlusmudel maksab 0,14 dollarit sisendtokeni ja 2,19 dollarit väljundtokeni kohta. Võrdluseks, OpenAI küsib umbes 2–2,50 dollarit miljoni väljundtokeni kohta, samas kui DeepSeeki hind on 0,014 dollarit.

Strateegiline tähtsus ülemaailmse tehisintellekti konkurentsi jaoks

DeepSeeki edul on kaugeleulatuvad tagajärjed ülemaailmsele tehisintellekti maastikule. Ettevõte näitab, et täiustatud tehisintellekti jõudlus ei nõua enam tohutuid ressursse ja patenteeritud lähenemisviise, mis on Ameerika tehisintellekti arendust seni iseloomustanud. See areng seab kahtluse alla praeguste ärimudelite alused.

Hiina juhtkond peab DeepSeeki strateegiliselt väga oluliseks, nagu näitab peaminister Li Qiangi vastuvõtt asutaja Liang Wenfengile. Ettevõtet peetakse oluliseks alustalaks Hiina ambitsioonides saada 2030. aastaks tehisintellekti globaalseks liidriks.

DeepSeeki avatud lähtekoodiga strateegia võimaldab teistel ettevõtetel ja teadlastel kogu maailmas selle edusammudele tugineda ja oma uuendusi arendada. See edendab tehisintellekti tehnoloogia detsentraliseeritud arendamist ja vähendab sõltuvust üksikutest tehnoloogiahiiglastest.

Taust ja ettevõtte struktuur

DeepSeeki asutas Hangzhous 2023. aastal Liang Wenfeng ja seda rahastab täielikult Hiina riskifond High-Flyer. Wenfeng, kes sündis 1985. aastal algkooliõpetaja pojana, hakkas Zhejiangi ülikoolis õppides huvi tundma tehisintellekti rakendamise vastu finantssektoris.

2016. aastal asutas Wenfeng riskifondi High-Flyer, mis kasutab kvantitatiivsete kauplemisstrateegiate jaoks masinõpet. 2021. aastaks oli ettevõte täielikult üle läinud tehisintellektil põhinevatele kauplemismeetoditele ja arenenud üheks Hiina juhtivaks kvantitatiivseks fondiks, mille hallatavate varade maht on üle 100 miljardi RMB.

Juba enne DeepSeeki asutamist hakkas Wenfeng ostma tuhandeid Nvidia graafikaprotsessoreid – algselt naeruvääristati seda kui miljardäri ekstsentrilist hobi. See ettenägelik investeering riistvarasse võimaldas ettevõttel hiljem arendada konkurentsivõimelisi tehisintellekti mudeleid vaatamata USA ekspordipiirangutele.

Sõltumatud tehisintellekti platvormid kui strateegiline alternatiiv Euroopa ettevõtetele – pilt: Xpert.Digital

Ki-Gamechanger: kõige paindlikum AI-platvorm – kohandatud lahendused, mis vähendavad kulusid, parandavad nende otsuseid ja suurendavad tõhusust

Sõltumatu AI platvorm: integreerib kõik asjakohased ettevõtte andmeallikad

• Kiire AI integreerimine: kohandatud AI-lahendused ettevõtetele tundidel või päevadel kuude asemel
• Paindlik infrastruktuur: pilvepõhine või hostimine oma andmekeskuses (Saksamaa, Euroopa, vaba asukoha valik)

• Suurim andmeturve: kasutamine advokaadibüroodes on ohutu tõendusmaterjal
• Kasutage paljudes ettevõtte andmeallikates
• Oma või mitmesuguste AI -mudelite valik (DE, EL, USA, CN)

Lisateavet selle kohta siin:

• Sõltumatud tehisintellekti platvormid vs hüperskaleerijad: milline lahendus teile sobib?

USA ekspordikontrolli mõju

DeepSeeki edu on eriti tähelepanuväärne, arvestades USA ekspordipiiranguid võimsatele tehisintellekti kiipidele Hiinasse. Kuigi sanktsioonide eesmärk oli piirata Hiina võimet arendada täiustatud tehisintellekti süsteeme, näitab DeepSeek, et uuenduslikud tarkvaralised lähenemisviisid ja ressursside tõhus kasutamine aitavad neist piirangutest üle saada.

Ettevõte kasutas Hiinasse eksportimiseks heaks kiidetud vähem võimsaid H800 kiipe, kuid saavutas siiski tippjõudluse optimeeritud algoritmide ja tõhusate treeningmeetodite abil. See lähenemisviis seab kahtluse alla tehnoloogiliste sanktsioonide tõhususe ja toob esile alternatiivseid teid tehisintellekti arendamiseks.

Eksperdid näevad DeepSeeki läbimurret pöördepunktina, mis võib põhjalikult muuta olemasolevaid hinnanguid Hiina tehisintellekti võimekuse ja potentsiaali kohta. See areng viitab sellele, et tarkvara optimeerimise uuendused võivad olla olulisemad kui puhas riistvara paremus.

Sobib selleks:

• Hiina saak tehisintellektis: juhtum Deepseek ja strateegiliste andmete kasutamine

Avatud lähtekoodiga konkurentsieelis

DeepSeeki avatud lähtekoodiga strateegia pakub mitmeid strateegilisi eeliseid. Arendajad ja ettevõtted üle maailma saavad mudelit lokaalselt käitada, seda kohandada ja oma projektidesse integreerida ilma pilveteenustele toetumata. See on eriti oluline andmetundlike rakenduste ja ettevõtete jaoks, kes soovivad säilitada kontrolli oma teabe üle.

Kogukonnapõhine arendus võimaldab kiiremat vigade parandamist, pidevat täiustamist ja laia panustajate baasi. Samal ajal demokratiseerib avatud lähtekoodiga lähenemine juurdepääsu täiustatud tehisintellekti tehnoloogiale ja edendab innovatsiooni isegi väiksemate ettevõtete seas ja arengumaades.

Erinevalt patenteeritud mudelitest, millele pääseb ligi ainult API-de või pilveplatvormide kaudu, pakub avatud lähtekoodiga tehisintellekt pikaajalist kättesaadavust ja sõltumatust üksikutest pakkujatest. Kasutajad ei pea muretsema hinnatõusude, juurdepääsupiirangute ega teenuste katkestamise pärast.

Tehnoloogilised läbimurded ja uuendused

DeepSeek V3.1 integreerib mitmeid murrangulisi tehnoloogiaid, mis võimaldavad selle erakordset tõhusust. Mitmepealine latentse tähelepanu arhitektuur tihendab võtme-väärtuse vahemälusid latentsete vektorite abil, vähendades mälukasutust ja arvutuslikku lisakoormust järelduse ajal.

Mitme märgi ennustusmeetod võimaldab igal märgil ennustada samaaegselt mitut tulevast märgist. See ületab traditsiooniliste autoregressiivsete mudelite olulise kitsaskoha ning parandab nii täpsust kui ka järelduste kiirust.

8-bitise treeningu kasutamine vähendab oluliselt mäluvajadust ja kulusid, ohverdamata täpsust. Seda tehnikat on pikka aega peetud problemaatiliseks, kuid DeepSeek näitab, et õigesti rakendatuna annab see tavapäraste meetoditega võrreldavaid tulemusi.

Turureaktsioonid ja mõjud

DeepSeek V3.1 väljakuulutamine vallandas finantsturgudel tugeva reaktsiooni. Nvidia kaotas turukapitalisatsiooni üle 600 miljardi dollari – see on USA aktsiaturu ajaloo suurim ühekordne kaotus. Ka teised tehisintellekti riistvaraettevõtted registreerisid märkimisväärset aktsiahinna langust.

Investorid ja analüütikud on oma hinnanguid tehisintellekti tööstusele ümber hindamas. DeepSeeki edu seab kahtluse alla eelduse, et tipptasemel tehisintellekti jaoks on vajalikud massiivsed investeeringud riistvarasse ja patenteeritud arendusse.

Lääne ettevõtted testivad juba DeepSeeki mudeleid oma töövoogudes. Üks silmapaistev näide on Merck, kelle andmejuht demonstreeris avalikult DeepSeeki integreerimist ühe mitmest tehisintellekti valikust sisemistesse protsessidesse.

Tulevased arengud ja väljavaated

DeepSeek positsioneerib V3.1 esimese sammuna tehisintellekti "agentide ajastu" suunas. Mudel on spetsiaalselt optimeeritud tööriistade parema kasutamise ja mitmeastmeliste agentide ülesannete jaoks. Koolitusjärgne optimeerimine on viinud oluliste edusammudeni väliste tööriistade ja keerukate otsinguülesannete kasutamisel.

DeepSeeki arenduskiirus viitab sellele, et V4 mudel võidakse välja anda enne OpenAI järgmist R2 versiooni. See hoog võib kiirendada tehisintellekti tööstuse traditsioonilisi arendustsükleid ja seada uued standardid värskendussagedustele.

DeepSeeki edu inspireerib juba teisi Hiina tehisintellekti ettevõtteid ja teadlasi kogu maailmas. Avatud lähtekoodiga mudeleid peetakse üha enam patenteeritud lahenduste kehtivaks alternatiiviks, mis võib viia mitmekesisema ja konkurentsivõimelisema tehisintellekti maastikuni.

Väljakutsed ja kriitika

Vaatamata muljetavaldavale jõudlusele saab DeepSeek kriitikat. Nagu teisedki Hiina tehisintellekti mudelid, allub ka DeepSeek teatud tsensuurimeetmetele, mida saab kasutada poliitiliselt tundlikes valdkondades. Neid piiranguid saab aga tehniliste kohanduste abil sageli mööda hiilida.

Koolitusandmete ja -meetodite läbipaistvus on piiratud. On spekuleeritud, et koolitus põhineb osaliselt ChatGPT vastustel, kuna DeepSeek väidab end aeg-ajalt olevat ChatGPT ise. See ebaselgus tekitab küsimusi originaalsuse ja võimalike autoriõiguste probleemide kohta.

DeepSeeki mudelite kiire areng ja madal hind tekitavad samuti muret ärimudeli jätkusuutlikkuse pärast. Kriitikud seavad kahtluse alla, kas äärmiselt madalaid hindu on võimalik pikas perspektiivis säilitada või on need osa strateegilisest turuletoomise püüdlusest.

Globaalsed tagajärjed tehisintellekti tööstusele

DeepSeek V3.1 tähistab pöördepunkti globaalses tehisintellekti arengus. Mudel tõestab, et uuenduslikud tarkvaralahendused ja ressursside tõhus kasutamine võivad olla olulisemad kui suured kapitaliinvesteeringud ja juurdepääs uusimale riistvarale. See arusaam mõjutab kõigi suuremate tehisintellekti ettevõtete strateegiaid.

Avatud lähtekoodiga mudelite kaudu täiustatud tehisintellekti tehnoloogia demokratiseerimine võib viia tehisintellekti võimekuste ühtlasema jaotumiseni kogu maailmas. Riigid ja ettevõtted, mis varem olid kõrgete kulude või tehniliste takistuste tõttu sellest välja jäetud, saavad juurdepääsu tipptehnoloogiale.

Samal ajal seab DeepSeeki edu kahtluse alla tehnoloogiliste sanktsioonide ja ekspordikontrolli tõhususe. Võime saavutada piiratud ressurssidega maailmatasemel jõudlust võiks julgustada teisi riike sarnaseid lähenemisviise järgima ja oma tehisintellekti ökosüsteeme arendama.

DeepSeek V3.1 esindab enamat kui lihtsalt järjekordset tehisintellekti mudelit – see sümboliseerib põhimõttelist muutust tehisintellekti arendamise, rahastamise ja levitamise viisis. Tehniliste uuenduste, kulutõhusa arenduse ja avatud lähtekoodiga tarkvara kättesaadavuse kombinatsioon loob uusi võimalusi ja esitab tõsiseid väljakutseid väljakujunenud turuliidritele. Edasised arengud näitavad, kas see lähenemisviis kujundab tehisintellekti tööstuse tulevikku.

☑️ VKE tugi strateegia, nõuannete, planeerimise ja rakendamise alal

☑️ AI strateegia loomine või ümberpaigutamine

☑️ teerajaja ettevõtluse arendamine

Konrad Wolfenstein

Aitan teid hea meelega isikliku konsultandina.

Võite minuga ühendust võtta, täites alloleva kontaktvormi või helistage mulle lihtsalt telefonil +49 89 674 804 (München) .

Ootan meie ühist projekti.

Xpert.digital on tööstuse keskus, mille fookus, digiteerimine, masinaehitus, logistika/intralogistics ja fotogalvaanilised ained.

Oma 360 ° ettevõtluse arendamise lahendusega toetame hästi tuntud ettevõtteid uuest äritegevusest pärast müüki.

Turuluure, hammastamine, turunduse automatiseerimine, sisu arendamine, PR, postkampaaniad, isikupärastatud sotsiaalmeedia ja plii turgutamine on osa meie digitaalsetest tööriistadest.

Lisateavet leiate aadressilt: www.xpert.digital – www.xpert.solar – www.xpert.plus