DeepSeek V3.1 – Riasztás az OpenAI és társai számára: A kínai nyílt forráskódú mesterséges intelligencia új kihívások elé állítja a már befutott szolgáltatókat

### Riasztás az OpenAI-nak és társainak: Kína új MI-je ugyanolyan erős – de fillérekért cserébe. Mi áll mögötte? ### DeepSeek V3.1: A csendes MI-támadás, ami most a feje tetejére állítja a tech világot ### Felejtsd el a drága MI-t: Miért változtat meg mindent ez a kínai nyílt forráskódú modell ### Kína új szuper MI-je: Hogyan gyakorol nyomást Peking a Nyugatra egy radikálismentes stratégiával ### Jobb és olcsóbb, mint a versenytársak? Mit tud valójában Kína új MI-csodája? ###

A DeepSeek V3.1 forradalmasítja a mesterséges intelligencia világát (ismét)

A kínai mesterséges intelligencia komoly kihívást jelent az amerikai technológiai óriások számára. A hangcsoui székhelyű DeepSeek startup jelentős áttörést ért el legújabb modelljével, a V3.1-gyel, amely alapvetően megkérdőjelezi a mesterséges intelligencia fejlesztésével és finanszírozásával kapcsolatos hagyományos feltételezéseket. A nyílt forráskódú modell a fejlesztési költségek töredékéért éri el a vezető, saját fejlesztésű rendszerek teljesítményét, megnyitva az utat a mesterséges intelligencia jövője előtt.

Alkalmas:

• DeepSeek: Kína AI forradalma a megfigyelés árnyéka alatt – Súlyos állítások Washingtonból

Műszaki innováció hibrid architektúrával

A DeepSeek V3.1 egy fejlett, szakértőkből álló architektúrán alapul, összesen 685 milliárd paraméterrel, amelyek közül tokenenként 37 milliárd aktiválható. Ez a technológia jelentősen hatékonyabb erőforrás-kihasználást tesz lehetővé a hagyományos modellekhez képest a teljesítmény feláldozása nélkül.

Az új modell kiemelkedő tulajdonsága a hibrid következtetési architektúra, amely képes váltani a „Gondolkodó mód” és a „Nem gondolkodó mód” között. Gondolkodó módban a rendszer mélyebb belső gondolkodási folyamatokat fejleszt, és ideális az összetett problémamegoldáshoz, amely többszintű logikai gondolkodást igényel. A Nem gondolkodó mód ezzel szemben közvetlen és tömör válaszokat ad azokra a feladatokra, ahol a sebesség kritikus fontosságú.

Egy másik technikai előrelépés a kibővített, 128 000 tokenre kiterjedő kontextusablak, ami körülbelül 96 000 szónak vagy két 200 oldalas regénynek felel meg. Ez a kapacitás lehetővé teszi rendkívül hosszú dokumentumok feldolgozását, teljes kódtárak megértését és többlépéses párbeszédes forgatókönyvek létrehozását.

A további fejlesztést egy kétfázisú kontextusbővítési megközelítéssel valósították meg. A 32 000 tokenes fázist tízszeresére, 630 milliárd tokenre bővítették, míg a 128 000 tokenes fázist 3,3-szorosára, 209 milliárd tokenre. Ezenkívül a modell az UE8M0 FP8 adatformátumot használja a modern hardverarchitektúrákkal való optimális kompatibilitás érdekében.

Lenyűgöző teljesítményparaméterek és referenciaértékek

A szabványosított teszteken a DeepSeek V3.1 figyelemre méltó eredményeket ért el. A neves Aider kódolási benchmarkon a modell 71,6 százalékos pontszámot ért el – ez az eredmény vetekszik az OpenAI és az Anthropic vezető modelljeivel. Ez a teljesítmény különösen lenyűgöző, tekintve, hogy jelentősen alacsonyabb költséggel érhető el.

Matematikai feladatokban a DeepSeek V3.1 még a már befutott versenytársait is felülmúlja. A Math 500 tesztben a modell 90,2 százalékot ért el, míg a GPT-4o csak 74,6 százalékot. Az MMLU-Pro tesztben a rendszer 5,3 ponttal javult, így 81,2 pontot ért el, a GPQA benchmarkban pedig figyelemre méltó 9,3 pontot, 68,4 pontot elérve.

Különösen figyelemre méltó a többlépéses gondolkodási feladatokban elért javulás, ahol a V3.1 43 százalékkal jobban teljesít, mint elődje. A modell programozási képességei lehetővé teszik akár 700 sor hosszúságú hibamentes kód létrehozását – ez a teljesítmény vetekszik a drága, saját fejlesztésű megoldásokkal.

Forradalmi költséghatékonyság

A DeepSeek V3.1 költségstruktúrája a feje tetejére állítja a mesterséges intelligencia fejlesztésével kapcsolatos korábbi feltételezéseket. Míg a V3.1-gyel egy programozási feladat körülbelül egy dollárba kerül, a hasonló rendszerek közel 70 dollárt kérnek hasonló feladatokért. Ez a drámai költségcsökkenés a fejlett mesterséges intelligencia technológiát a kisebb vállalatok és fejlesztők számára is elérhetővé teszi.

A vállalat szerint az alapul szolgáló V3 modell fejlesztési költsége mindössze körülbelül 5,6 millió dollár volt – ez töredéke az amerikai vállalatok által hasonló projektekre költött több százmillió dollárnak. Ezt a hatékonyságot innovatív képzési módszerek és kevésbé nagy teljesítményű, de költséghatékonyabb hardverek használatával érték el.

A DeepSeek API-árazása jelentősen elmarad a versenytársak árától. A chat modell ára 0,07 dollár millió bemeneti tokenenként gyorsítótár-találatokkal, és 1,10 dollár millió kimeneti tokenenként. Az érvelési modell ára 0,14 dollár bemeneti tokenenként és 2,19 dollár kimeneti tokenenként. Összehasonlításképpen, az OpenAI körülbelül 2-2,50 dollárt kér millió kimeneti tokenenként, míg a DeepSeek ára 0,014 dollár.

Stratégiai jelentőség a globális mesterséges intelligencia versenyben

A DeepSeek sikerei messzemenő következményekkel járnak a globális mesterséges intelligencia környezetére nézve. A vállalat demonstrálja, hogy a fejlett mesterséges intelligencia teljesítménye már nem igényli azokat a hatalmas erőforrásokat és szabadalmaztatott megközelítéseket, amelyek a mai napig jellemzik az amerikai mesterséges intelligencia fejlesztését. Ez a fejlesztés alapjaiban kérdőjelezi meg a jelenlegi üzleti modelleket.

Kína vezetése nagy stratégiai jelentőséget tulajdonít a DeepSeeknek, amint azt Li Qiang miniszterelnök is jól mutatja, amikor Liang Wenfeng alapítót fogadta. A vállalatot kulcsfontosságú építőelemnek tekintik Kína azon törekvésében, hogy 2030-ra globális vezetővé váljon a mesterséges intelligencia területén.

A DeepSeek nyílt forráskódú stratégiája lehetővé teszi más vállalatok és kutatók számára világszerte, hogy építsenek a cég eredményeire és saját innovációkat fejlesszenek ki. Ez elősegíti a mesterséges intelligencia technológia decentralizált fejlesztését és csökkenti a függőséget az egyes technológiai óriásoktól.

Háttér és vállalati struktúra

A DeepSeeket 2023-ban alapította Liang Wenfeng Hangzhouban, és teljes mértékben a kínai High-Flyer hedge fund finanszírozza. Wenfeng, aki 1985-ben született egy általános iskolai tanár fiaként, a Zhejiang Egyetemen folytatott tanulmányai során kezdett érdeklődni a mesterséges intelligencia pénzügyi szektorban való alkalmazása iránt.

2016-ban a Wenfeng megalapította a High-Flyer hedge fundot, amely gépi tanulást használ a kvantitatív kereskedési stratégiáihoz. 2021-re a vállalat teljes mértékben áttért a mesterséges intelligencia alapú kereskedési megközelítésekre, és Kína egyik vezető kvantitatív alapjává fejlődött, több mint 100 milliárd RMB értékű vagyonnal.

Már a DeepSeek megalapítása előtt a Wenfeng több ezer Nvidia GPU-t vásárolt – kezdetben egy milliárdos különc hobbijaként gúnyolódtak. Ez az előrelátó hardverbefektetés később lehetővé tette a vállalat számára, hogy versenyképes MI-modelleket fejlesszen ki az amerikai exportkorlátozások ellenére.

Független mesterséges intelligencia platformok, mint stratégiai alternatíva az európai vállalatok számára – Kép: Xpert.Digital

Ki-GameChanger: A legrugalmasabb AI platform – testreszabott megoldások, amelyek csökkentik a költségeket, javítják döntéseiket és növelik a hatékonyságot

Független AI platform: integrálja az összes releváns vállalati adatforrást

• Gyors AI-integráció: Testreszabott AI-megoldások a társaságok számára órákban vagy napokban hónapok helyett
• Rugalmas infrastruktúra: felhőalapú vagy tárhely a saját adatközpontjában (Németország, Európa, ingyenes helymeghatározás)

• A legmagasabb adatbiztonság: Az ügyvédi irodákban történő felhasználás a biztonságos bizonyíték
• Használja a vállalati adatforrások széles skáláját
• Saját vagy különféle AI modellek választása (DE, EU, USA, CN)

Bővebben itt:

• Független MI platformok kontra hiperskálázók: Melyik megoldás a megfelelő az Ön számára?

Az amerikai exportellenőrzések hatása

A DeepSeek sikere különösen figyelemre méltó az Egyesült Államok Kínába irányuló, nagy teljesítményű mesterséges intelligencia chipekre vonatkozó exportkorlátozásai fényében. Míg a szankciók célja az volt, hogy korlátozzák Kína azon képességét, hogy fejlett mesterséges intelligencia rendszereket fejlesszen ki, a DeepSeek azt bizonyítja, hogy az innovatív szoftveres megközelítések és az erőforrások hatékony felhasználása leküzdheti ezeket a korlátozásokat.

A vállalat kevésbé erős, Kínába exportált H800 chipeket használt, de optimalizált algoritmusok és hatékony betanítási módszerek segítségével így is csúcsteljesítményt ért el. Ez a megközelítés megkérdőjelezi a technológiai szankciók hatékonyságát, és alternatív utakat mutat be a mesterséges intelligencia fejlesztése terén.

A szakértők a DeepSeek áttörését fordulópontnak tekintik, amely alapvetően megváltoztathatja Kína mesterséges intelligencia képességeiről és potenciáljáról alkotott jelenlegi becsléseket. A fejlemény arra utal, hogy a szoftveroptimalizálási innovációk fontosabbak lehetnek, mint a puszta hardverfölény.

Alkalmas:

• Kína elkapása -A mesterséges intelligencia: Az eset mélyseek és a stratégiai adatok felhasználása

Nyílt forráskódként versenyelőnyként

A DeepSeek nyílt forráskódú stratégiája számos stratégiai előnyt kínál. A fejlesztők és a vállalatok világszerte lokálisan futtathatják a modellt, testreszabhatják és integrálhatják saját projektjeikbe anélkül, hogy felhőszolgáltatásokra kellene támaszkodniuk. Ez különösen fontos az adatérzékeny alkalmazások és az olyan vállalatok számára, amelyek meg akarják őrizni az információik feletti ellenőrzést.

A közösségi alapú fejlesztés gyorsabb hibajavítást, folyamatos fejlesztéseket és széles közreműködői bázist tesz lehetővé. Ugyanakkor a nyílt forráskódú megközelítés demokratizálja a fejlett mesterséges intelligencia technológiához való hozzáférést, és elősegíti az innovációt, még a kisebb vállalatok és a fejlődő országok körében is.

A kizárólag API-kon vagy felhőplatformokon keresztül elérhető, zárt modellekkel ellentétben a nyílt forráskódú mesterséges intelligencia hosszú távú elérhetőséget és függetlenséget kínál az egyes szolgáltatóktól. A felhasználóknak nem kell aggódniuk az áremelkedések, a hozzáférési korlátozások vagy a szolgáltatás megszűnése miatt.

Technológiai áttörések és innovációk

A DeepSeek V3.1 számos úttörő technológiát integrál, amelyek kivételes hatékonyságot tesznek lehetővé. A többfejű látens figyelem architektúra látens vektorok segítségével tömöríti a kulcs-érték gyorsítótárakat, csökkentve a memóriafogyasztást és a számítási terhelést a következtetés során.

A több tokenből álló predikciós módszer lehetővé teszi, hogy minden token egyszerre több jövőbeli tokent jósoljon meg. Ez kiküszöböli a hagyományos autoregresszív modellek jelentős szűk keresztmetszetét, és javítja mind a pontosságot, mind a következtetés sebességét.

A 8 bites betanítás használata jelentősen csökkenti a memóriaigényt és a költségeket a pontosság feláldozása nélkül. Ezt a technikát sokáig problémásnak tartották, de a DeepSeek azt mutatja, hogy helyes megvalósítás esetén a hagyományos módszerekkel összehasonlítható eredményekhez vezet.

Piaci reakciók és hatások

A DeepSeek V3.1 bejelentése heves reakciókat váltott ki a pénzügyi piacokon. Az Nvidia több mint 600 milliárd dolláros piaci kapitalizációt veszített – ez volt az amerikai tőzsde történetének legnagyobb egyszeri vesztesége. Más mesterséges intelligencia hardvergyártó vállalatok is jelentős részvényárfolyam-esést könyvelhettek el.

A befektetők és az elemzők újragondolják a mesterséges intelligencia iparágról alkotott véleményüket. A DeepSeek sikere megkérdőjelezi azt a feltételezést, hogy a hardverbe és a saját fejlesztésbe történő hatalmas beruházások szükséges előfeltételei a legmodernebb mesterséges intelligencia használatának.

Nyugati vállalatok már tesztelik a DeepSeek modelleket a munkafolyamataikban. Egy kiemelkedő példa erre a Merck, amelynek adatvédelmi igazgatója nyilvánosan bemutatta a DeepSeek integrálását a belső folyamatokba, mint a mesterséges intelligencia egyik lehetőségét.

Jövőbeli fejlemények és kilátások

A DeepSeek a V3.1-et az MI „ügynökkorszaka” felé vezető első lépésként tartja számon. A modellt kifejezetten a jobb eszközkihasználásra és a többlépéses ügynöki feladatokra optimalizálták. A betanítás utáni optimalizálások jelentős javulást eredményeztek a külső eszközök használatában és az összetett keresési feladatokban.

A DeepSeek fejlesztési sebessége arra utal, hogy egy V4-es modell megjelenhet az OpenAI következő R2-es kiadása előtt. Ez a lendület felgyorsíthatja az MI-iparág hagyományos fejlesztési ciklusait, és új mércét állíthat fel a frissítési gyakoriság tekintetében.

A DeepSeek sikerei már most is inspirálnak más kínai MI-cégeket és kutatókat világszerte. A nyílt forráskódú modelleket egyre inkább a saját fejlesztésű megoldások érvényes alternatívájának tekintik, ami egy diverzifikáltabb és versenyképesebb MI-környezethez vezethet.

Kihívások és kritikák

Lenyűgöző teljesítménye ellenére a DeepSeek kritikákkal is szembesül. Más kínai MI-modellekhez hasonlóan a DeepSeek is bizonyos cenzúraintézkedéseknek van kitéve, amelyeket politikailag érzékeny területeken alkalmazhatnak. Ezeket a korlátozásokat azonban gyakran meg lehet kerülni technikai módosításokkal.

A betanítási adatokkal és módszerekkel kapcsolatos átláthatóság korlátozott. Felmerült, hogy a betanítás részben a ChatGPT válaszain alapul, mivel a DeepSeek időnként azt állítja magáról, hogy ő maga a ChatGPT. Ez a kétértelműség kérdéseket vet fel az eredetiséggel és a lehetséges szerzői jogi problémákkal kapcsolatban.

A DeepSeek modellek gyors fejlődése és alacsony ára aggályokat vet fel az üzleti modell fenntarthatóságával kapcsolatban is. A kritikusok megkérdőjelezik, hogy a rendkívül alacsony árak hosszú távon fenntarthatók-e, vagy egy stratégiai piaci penetrációs törekvés részét képezik.

Globális következmények a mesterséges intelligencia iparágra nézve

A DeepSeek V3.1 fordulópontot jelent a globális mesterséges intelligencia fejlesztésében. A modell bizonyítja, hogy az innovatív szoftveres megközelítések és a hatékony erőforrás-kihasználás fontosabbak lehetnek, mint a hatalmas tőkebefektetések és a legújabb hardverekhez való hozzáférés. Ez a felismerés befolyásolni fogja az összes nagyobb mesterséges intelligencia cég stratégiáját.

A fejlett mesterséges intelligencia technológia nyílt forráskódú modelleken keresztüli demokratizálása a mesterséges intelligencia képességeinek egyenletesebb eloszlásához vezethet világszerte. Azok az országok és vállalatok, amelyeket korábban a magas költségek vagy a technikai akadályok kizártak, hozzáférhetnek a legmodernebb technológiához.

A DeepSeek sikere ugyanakkor megkérdőjelezi a technológiai szankciók és az exportkorlátozások hatékonyságát. A világszínvonalú teljesítmény korlátozott erőforrásokkal való elérésének képessége arra ösztönözhet más országokat, hogy hasonló megközelítéseket alkalmazzanak, és saját MI-ökoszisztémákat fejlesszenek ki.

A DeepSeek V3.1 többet képvisel, mint egy újabb MI-modellt – alapvető változást szimbolizál a mesterséges intelligencia fejlesztésének, finanszírozásának és terjesztésének módjában. A technikai innováció, a költséghatékony fejlesztés és a nyílt forráskódú szoftverek elérhetőségének kombinációja új lehetőségeket teremt, és komoly kihívások elé állítja a már bejáratott piacvezetőket. A további fejlemények megmutatják, hogy ez a megközelítés fogja-e alakítani a mesterséges intelligencia iparág jövőjét.

☑️ KKV-k támogatása stratégiában, tanácsadásban, tervezésben és megvalósításban

☑️ Az AI stratégia létrehozása vagy átrendezése

☑️ Úttörő vállalkozásfejlesztés

Konrad Wolfenstein

Szívesen szolgálok személyes tanácsadójaként.

Felveheti velem a kapcsolatot az alábbi kapcsolatfelvételi űrlap kitöltésével, vagy egyszerűen hívjon a +49 89 89 674 804 (München) .

Nagyon várom a közös projektünket.

Az Xpert.Digital egy ipari központ, amely a digitalizációra, a gépészetre, a logisztikára/intralogisztikára és a fotovoltaikára összpontosít.

360°-os üzletfejlesztési megoldásunkkal jól ismert cégeket támogatunk az új üzletektől az értékesítés utáni értékesítésig.

Digitális eszközeink részét képezik a piaci intelligencia, a marketing, a marketingautomatizálás, a tartalomfejlesztés, a PR, a levelezési kampányok, a személyre szabott közösségi média és a lead-gondozás.

További információk a következő címen találhatók: www.xpert.digital – www.xpert.solar – www.xpert.plus