O verdadeiro preço do desenvolvimento do novo modelo de Deepseek permanece desconhecido. Um número citado em um artigo de pesquisa pode não conseguir entender a imagem geral desse custo. “Não acho que sejam US $ 6 milhões, mas mesmo que sejam US $ 60 milhões, é um divisor de águas”, disse Umesh Padval, gerente da Thomvest Ventures, investindo em Coere e outras empresas de IA. “Pressionaremos a lucratividade das empresas que se concentram na IA do consumidor”.
Imediatamente depois que o Deepseek revelou os detalhes dos modelos mais recentes, o Databricks Ghodsi disse que começou a perguntar se os clientes poderiam usá -lo. Ele acrescentou que uma abordagem adotada por um engenheiro de sexo profundo conhecido como destilação de treinamento com outro modelo usando a saída de um grande modelo de idioma é relativamente barato e fácil.
Padval afirma que a existência de modelos, como a Deepseek, beneficiará as empresas que pretendem reduzir o custo da IA, mas muitas empresas dependem de tarefas delicadas para os modelos chineses. Até agora, a perplexidade, pelo menos uma empresa de IA de renome, anunciou publicamente que usa o modelo R1 da Deepseek, mas afirma que é “completamente independente”.
Amjad Massad, o CEO da Replit, uma startup que oferece ferramentas de codificação de IA, disse à Wired que o mais recente modelo de Deepseek era impressionante. Ele descobriu que muitos modelos de sonetos humanos ainda são bons em muitas tarefas de engenharia de computadores, mas o R1 é particularmente adequado para código que pode executar comandos de texto em um computador. “Estou usando especialmente para agentes”, acrescentou.
Os dois mais recentes produtos da Deepseek (Deepseek R1 e Deepseek R1-Zero) podem ser simulados o mesmo tipo de openai e os sistemas mais avançados do Google. Todos eles trabalham quebrando problemas com os componentes para trabalhar neles com mais eficiência. Este é um processo que requer uma quantidade considerável de treinamento adicional para que a IA definitivamente atinja a resposta correta.
Um artigo publicado na semana passada por pesquisadores Deepseek explica o esboço da abordagem usada para criar um modelo R1. Isso afirma que será executado em vários benchmarks sobre o modelo de inferência inovador da Openai, conhecido como O1. As táticas usadas pela DeepSeek incluem um método mais automatizado para aprender a resolver a solução de problemas corretamente e uma estratégia para transferir habilidades de um modelo maior para um modelo menor.
Um dos tópicos mais quentes da Deepseek é o hardware usado. O governo dos EUA tem uma série de exportações e outras restrições comerciais nos últimos anos, com o objetivo de restringir e restringir a capacidade da China de adquirir e fabricar a construção de IA mais avançada.
Em agosto de 2024, a Deepseek mostrou que poderia acessar o cluster de chips 10.000 NVIDIA A100 definido sob as restrições dos EUA publicadas em outubro de 2022. A criação chamada Deepseek-V2 foi desenvolvida usando o cluster NVIDIA H800 Computer Chip.
Uma fonte de IA que treina um modelo de IA em grande escala que procura ser anônimo para proteger um relacionamento profissional pode usar cerca de 50.000 chips da NVIDIA para construir essa tecnologia.
A Nvidia se recusou a comentar diretamente sobre quais chips dependiam. “Deepseek é um excelente avanço da IA”, afirmou o porta -voz da Nvidia em comunicado e acrescentou a abordagem de inferência de startups de que “um número considerável de GPUs da NVIDIA e redes de alto desempenho são necessárias”.
Mesmo que o modelo Deepseek seja construído, parece que a abordagem de baixocida para o desenvolvimento da IA está ganhando impulso. Em dezembro, Clem Delangue, CEO da Huggingface, uma plataforma que hospeda modelos de inteligência artificial, prevê que ele liderará a IA porque é adotada principalmente por empresas chinesas porque é gerada por um modelo de código aberto. “Isso é mais rápido do que eu pensava”, diz ele.
