DeepSeek

DeepSeek
Выява лягатыпу
Тып прыватная кампанія[d]
Заснаваная травень 2023[1]
Уласьнікі High-Flyer[d]
Краіна
Разьмяшчэньне
Галіна інфармацыйныя тэхналёгіі і штучны інтэлект
Матчына кампанія High-Flyer[d]

DeepSeek (кіт. спр. 深度求索, піньінь: Shēndù Qiúsuǒ) — кітайская кампанія, якая спэцыялізуецца на распрацоўцы штучнага інтэлекту, а таксама сямейства вялікіх моўных мадэляў. Кампанія базуецца ў Ханчжоў, заснаваная й падтрымліваецца кітайскім хэдж-фондам High-Flyer. DeepSeek выпусьціла свае мадэлі з адкрытым зыходным кодам. Вэрсія DeepSeek-V3 лічыцца параўнальнай зь іншымі моўнымі мадэлямі ў 2024 годзе, такімі як Qwen і ChatGPT.

Выхад мадэлі DeepSeek-R1 у студзені 2025 году выклікаў кароткачасовае, але рэзкае зьніжэньне курсаў акцыяў сусьветных тэхналягічных кампаніяў і дыскусіі пра пераацэнку інвэстыцыяў у ШІ.

Гісторыя

[рэдагаваць | рэдагаваць крыніцу]

У 2015 годзе тры інжынэра з Чжэцзянскага ўнівэрсытэту заснавалі кампанію High-Flyer. Яна выкарыстала машыннае навучаньне для гандлю акцыямі. У 2019 годзе створана кампанія High-Flyer AI, якая займалася дасьледаваньнямі альгарытмаў штучнага інтэлекту[2]. Да 2021 году ўсе стратэгіі High-Flyer выкарыстоўвалі ШІ, яе параўноўвалі з Renaissance Technologies.

У красавіку 2023 году High-Flyer абвясьціла пра новы праекце для дасьледаваньня агульнага штучнага інтэлекту. Ён ня будзе выкарыстоўвацца для гандлю акцыямі і аддзеліцца ад фінансавага бізнэсу High-Flyer[3][4]. У траўні 2023 году кампанія была запушчана пад назвай DeepSeek, яе ўзначаліў адзін з сузаснавальнікаў хэдж-фонду High-Flyer Лян Вэньфэн[2][4]. Распрацоўка DeepSeek фінансуецца High-Flyer[4].

Выпуск DeepSeek-V2 у траўні 2024 году справакаваў цэнавую вайну мадэляў штучнага інтэлекту ў Кітаі, бо прапаноўвалася высокая прадукцыйнасьць па нізкай цане. Яе ахрысьцілі «Pinduoduo ШІ», а іншым буйным тэхналягічным гігантам, такім як ByteDance, Tencent, Baidu і Alibaba, прыйшлося пачаць зьніжаць цэны на свае мадэлі ШІ. Нягледзячы на нізкую цану DeepSeek, кампанія дала справаздачу пра прыбытак у параўнаньні з канкурэнтамі, якія, па-відаць, несьлі страты[5].

На канец 2024 году DeepSeek займаецца дасьледаваньнямі і не заяўляе падрабязных плянаў камэрцыялізацыі[5].

Кітайская газэта South China Morning Post піша, што пры найманьні новых супрацоўнікаў кампанія DeepSeek аддавала перавагу здольнасьцям, а ня вопыту, таму большасьць распрацоўшчыкаў — гэта альбо нядаўнія выпускнікі, альбо распрацоўшчыкі на раньняй стадыі сваёй карʼеры ў сфэры ШІ[4].

Да 2025 году DeepSeek змагла стварыць ШІ з магчымасьцямі як у вядучых тэхналягічных кампаніяў ЗША, але, як заяўлена, на менш магутных чыпах і за малую частку кошту. Супрацоўнікі DeepSeek пішуць, што навучалі мадэль V3 на чыпах Nvidia H800, а яны значна менш магутныя, чым новыя Nvidia Blackwell[6][7]. Незалежныя назіральнікі адзначаюць, што DeepSeek і іншыя кітайскія кампаніі маюць перавагу, бо на кітайскім рынку доступ да ChatGPT і шэрагу іншых мадэляў заблякаваны Вялікім кітайскім фаерволам. DeepSeek, верагодна, цэнзуруе выдачу. Пры гэтым ня ўсе далікатныя для Кітая тэмы гэтаму схільныя[8][9].

Рэакцыя рынкаў 27 студзеня 2025

[рэдагаваць | рэдагаваць крыніцу]

Запуск новай мадэлі R1, як мяркуецца распрацаванай нашмат таньней кошту канкурэнтаў, справакаваў рэзкае зьніжэньне курсаў акцыяў сусьветных тэхналягічных кампаніяў. Так, 27 студзеня 2025 году акцыі вытворцы

Далейшыя наступствы

[рэдагаваць | рэдагаваць крыніцу]

Узрушэньні на сусьветных рынках праз DeepSeek цягнуліся кароткі час[10]. Пры гэтым аналітыкі Huaxi Securities палічылі тое, што адбылося пераломным момантам, калі ў кітайскіх інвэстараў вырасла цікавасьць да мясцовых кампаніяў, якія працуюць з ШІ[11]. 12 лютага 2025 году Financial Times паведаміла, што на фоне посьпеху DeepSeek ў Ганконгу індэкс кітайскіх тэхналягічных акцыяў вырас больш чым на 20 % за месяц[12].

Таоша Ван (Fidelity International) у лютым 2025 году піша, што кошт распрацоўкі вядучых мадэляў ШІ ўжо ўпаў прыкладна на 80 % за апошнія два гады, а DeepSeek, магчыма, паскорыць гэтую тэндэнцыю. На яе думку, «DeepSeek зьяўляецца напамінам, як хутка ўсё можа зьмяніцца і, хутчэй за ўсё, зьменіцца ў эпоху ШІ»[10].

Рэлізы

[рэдагаваць | рэдагаваць крыніцу]

2 лістапада 2023 году DeepSeek прэзентавала сваю першую мадэль Deepseek Coder, якая была бясплатнай, у тым ліку для камэрцыйнага выкарыстаньня[13]. Кампанія DeepSeek робіць мадэлі з так званым «адкрытай вагой» (open-weight), якія трохі адрозьніваюцца ад цалкам адкрытага зыходнага кода: мадэль можа свабодна выкарыстоўвацца паўторна па ліцэнзіі MIT, можна вывучаць і разьвіваць альгарытм, але зьвесткі для навучаньня не пададзены[14][15].

29 лістапада 2023 году DeepSeek запусьціла DeepSeek LLM (вялікую моўную мадэль) з 67 млрд парамэтраў. Яна была распрацавана, каб канкурыраваць зь іншымі LLM таго часу, і па прадукцыйнасьці набліжалася да GPT-4. У яе паўсталі праблемы з вылічальнай эфэктыўнасьцю і маштабаванасьцю[13]. Таксама была выпушчаная чат-вэрсія мадэлі пад назвай DeepSeek Chat[16].

V2 і V3

[рэдагаваць | рэдагаваць крыніцу]

У траўні 2024 году выйшла DeepSeek-V2. Financial Times паведаміла, што яна была таньней аналягаў, каштавала 2 юаня за кожны мільён выпушчаных токенаў. У рэйтынгу LLM лябараторыі Tiger Lab унівэрсытэта Ўотэрлоа DeepSeek-V2 заняла сёмае месца.

У сьнежні 2024 году запушчана DeepSeek-V3. Тэсты прадукцыйнасьці паказалі, што вэрсія пераўзышла Llama 3.1 і Qwen 2.5, а таксама адпавядала GPT-4o і Claude 3.5 Sonnet[4][17][18][19]. На студзень 2025 году незалежныя праверкі працягваюцца[8]. Выпадак DeepSeek паказаў, што санкцыі ЗША ў дачыненьні да разьвіцьця штучнага інтэлекту ў Кітаі, верагодна, не вельмі эфэктыўныя[20][4]. Амэрыканскі аналітык Рэй Ванг выказаў здагадку, што праз адсутнасьць у Кітая вольнага доступу да перадавых чыпаў ШІ, кітайскія навукоўцы ўкараняюць інавацыі пры абмежаваных рэсурсах[8]. Паводле зьвестак вытворцы, агульны кошт навучаньня мадэлі блізу 5,58 млн долараў ЗША, а само навучаньне заняло блізу двух месяцаў[4].

DeepSeek-V3 мае 685 мільярдаў парамэтраў і мульціэкспэртную архітэктуру (MoE) з 256 экспэртамі, зь якіх 8 актывуюцца для кожнага токена. Кожны токен актывуе 37 мільярдаў парамэтраў.

Этап Выдаткі (тыс. GPU-гадзін) Кошт (млн $)
папярэдняя падрыхтоўка 2664 5,328
пашырэньне кантэксту 119 0,24
тонкая налада 5 0,01
агульны 2788 5,576

R1

[рэдагаваць | рэдагаваць крыніцу]

У лістападзе 2024 году зьявілася DeepSeek-R1-Lite-Preview для вырашэньня задач, якія патрабуюць лагічнага вываду, матэматычных разваг і вырашэньня праблем у рэальным часе. DeepSeek сьцьвярджаў, што прадукцыйнасьць пераўзышла OpenAI o1 у такіх тэстах, як AIME і MATH[21]. Аднак The Wall Street Journal адзначыла, што пры выкарыстаньні 15 задач з тэстаў AIME 2024 году OpenAI o1 знайшоў рашэньні хутчэй, чым DeepSeek R1-Lite-Preview[22].

У студзені 2025 году выйшлі DeepSeek-R1 і DeepSeek-R1-Zero, заснаваныя на V3. Гэтыя мадэлі больш прасунутыя, чым раньнія. Яны генэруюць адказы крок за крокам, аналягічна развазе чалавека. Па першых тэстах, пры выкананьні пэўных задач па матэматыцы, хіміі і праграмаваньні прадукцыйнасьць R1 знаходзіцца на адным узроўні з o1[14][23][24].

Крытыка і цэнзура

[рэдагаваць | рэдагаваць крыніцу]
Прыклад параўнаньня ChatGPT і DeepSeek пра статус Тайваня
Адказы DeepSeek на пытаньні пра Сі Цзіньпіна і Нарэндру Модзі

Назіраецца, што афіцыйная API-вэрсія мадэлі R1 выкарыстоўвае мэханізмы цэнзуры для адчувальных тэм, асабліва тых, якія лічацца палітычна значнымі ў Кітаі. Напрыклад, мадэль адмаўляецца адказваць на пытаньні пра падзеі на плошчы Цяньаньмэнь у 1989 годзе. Часам ШІ першапачаткова генэруе адказ, але неўзабаве выдаляе яго і замяняе паведамленьнем: «Прабачце, гэта выходзіць за рамкі маіх магчымасьцяў. Давайце пагаворым пра што-небудзь іншае»[25].

Інтэграваныя мэханізмы цэнзуры і абмежаваньні можна часткова абыйсьці толькі ў адкрытай вэрсіі мадэлі R1. Як толькі закранаюцца «асноўныя сацыялістычныя каштоўнасьці», вызначаныя кітайскімі інтэрнэт-рэгулятарамі, або падымаюцца пытаньні, зьвязаныя з Тайваням, дыскусіі спыняюцца.

Журналіст Энтані Кімеры піша, што сыстэма штучнага інтэлекту патэнцыйна можа быць выкарыстана для ўплыву за мяжой: дэзінфармацыі, назіраньня і распрацоўкі кібэрзброі для кітайскіх спэцслужб. Або што прыкладаньне можа перадаваць пэрсанальныя зьвесткі карыстальнікаў у Кітай[26].

Газэта The Indian Express адзначае, што распаўсюджаныя асьцярогі з нагоды часу запуску DeepSeek-R1 як сыгналу Кітая пра ўзровень разьвіцьця яго ШІ. R1 зьявілася менавіта ў той момант, калі Дональд Трамп стаў прэзыдэнтам ЗША[6].

Аналітыкі брокерскай кампаніі Bernstein мяркуюць, што агульныя выдаткі на навучаньне V3 нашмат вышэй, чым заяўленыя $5,58 млн, і не лічаць мадэлі DeepSeek цудам. Таксама яны зьвяртаюць увагу на тое, што DeepSeek не раскрыла выдаткі на навучаньне R1. Генэральны дырэктар кампаніі Scale AI Аляксандар Ван сказаў у інтэрвію, што нібыта DeepSeek мае 50 000 чыпаў Nvidia H100, але не прывёў доказаў[27][28]. OpenAI і Дэвід Сакс, спэцпрадстаўнік прэзыдэнта ЗША па штучным інтэлекце, западозрылі, што DeepSeek выкарыстала мадэлі канкурэнта для навучаньня[29].

Крыніцы

[рэдагаваць | рэдагаваць крыніцу]
  1. ^ All About DeepSeek - The Chinese AI Startup Challenging The US Big Tech (анг.) // Forbes / S. Forbes — NYC: Forbes, 2025. — ISSN 0015-6914; 2609-1445
  2. ^ а б Lily Ottinger (2024-12-09) Deepseek: From Hedge Fund to Frontier Model Maker (анг.). ChinaTalk. Праверана 2 сакавіка 2025 г. Архіўная копія ад 28 сьнежня 2024 г.
  3. ^ Xu Yu (17 красавіка 2023) [Exclusive] Chinese Quant Hedge Fund High-Flyer Wonʼt Use AGI to Trade Stocks, MD Says (анг.). Yicai Global. Праверана 2 сакавіка 2025 г. Архіўная копія ад 31 сьнежня 2023 г.
  4. ^ а б в г д е ё Jiang, Ben; Perezi, Bien (1 студзеня 2025) Meet DeepSeek: the Chinese start-up that is changing how AI models are trained (анг.). South China Morning Post.
  5. ^ а б Jordan Schneider (27 лістапада 2024) Deepseek: The Quiet Giant Leading Chinaʼs AI Race (анг.). ChinaTalk. Праверана 2 сакавіка 2025 г.
  6. ^ а б Liang Wenfeng: The force behind Chinese AI startup DeepSeek that has made US tech giants nervous and put India on edge (анг.). The Indian Express (2025-01-28). Праверана 2 сакавіка 2025 г.
  7. ^ DeepSeek hit by cyberattack as users flock to Chinese AI startup (анг.). Reuters (2025-01-27).
  8. ^ а б в Dennis Normile (2025-01-15) Chinese firmʼs faster, cheaper AI language model makes a splash (анг.). Science. Праверана 2 сакавіка 2025 г.
  9. ^ DeepSeek: новая языковая модель балянсирует между прогрессом и цензурой (рас.). SecurityLab.ru (2024-12-28). Праверана 2 сакавіка 2025 г.
  10. ^ а б Taosha Wang (2025-02-12) Four ways DeepSeek could change everything (анг.). Reuters.
  11. ^ DeepSeek fever fuels patriotic bets on Chinese AI stocks (анг.). Reuters (2025-02-06).
  12. ^ Технологические акции Китая перешли в фазу бычьего рынка посьле ўсьпеха DeepSeek (рас.). Forbes.ru (2025-02-12).
  13. ^ а б Ksenia Se (28 жніўня 2024) Inside DeepSeek Models (анг.). Turing Post. Праверана 2 сакавіка 2025 г. Архіўная копія ад 18 верасьня 2024 г.
  14. ^ а б Elizabeth Gibney China’s cheap, open AI model DeepSeek thrills scientists  (анг.) // Nature. — 2025-01-23. — ISSN 1476-4687. — DOI:10.1038/d41586-025-00229-6
  15. ^ DeepSeek Coder  (анг.) // Github. — 2023-10-23.
  16. ^ Shubham Sharma (1 сьнежня 2023) Meet DeepSeek Chat, Chinaʼs latest ChatGPT rival with a 67B model (анг.). VentureBeat. Праверана 2 сакавіка 2025 г. Архіўная копія ад 23 сьнежня 2024 г.
  17. ^ Jiang Bien (27 сьнежня 2024) Chinese start-up DeepSeekʼs new AI model outperforms Meta, OpenAI products (анг.). South China Morning Post. Праверана 2 сакавіка 2025 г. Архіўная копія ад 27 сьнежня 2024 г.
  18. ^ Sharma (26 сьнежня 2024) DeepSeek-V3, ultra-large open-source AI, outperforms Llama and Qwen on launch (анг.). VentureBeat. Праверана 2 сакавіка 2025 г. Архіўная копія ад 27 сьнежня 2024 г.
  19. ^ Wiggers (26 сьнежня 2024) DeepSeekʼs new AI model appears to be one of the best «open» challengers yet. TechCrunch.
  20. ^ Shilov (27 сьнежня 2024) Chinese AI companyʼs AI model breakthrough highlights limits of US sanctions (анг.). Tomʼs Hardware. Праверана 2 сакавіка 2025 г. Архіўная копія ад 28 сьнежня 2024 г.
  21. ^ Franzen (20 лістапада 2024) DeepSeekʼs first reasoning model R1-Lite-Preview turns heads, beating OpenAI o1 performance (анг.). VentureBeat. Праверана 2 сакавіка 2025 г. Архіўная копія ад 22 лістапада 2024 г.
  22. ^ Huang (24 сьнежня 2024) Donʼt Look Now, but Chinaʼs AI Is Catching Up Fast (анг.). The Wall Street Journal. Праверана 2 сакавіка 2025 г. Архіўная копія ад 27 сьнежня 2024 г.
  23. ^ KI aus China: Überholt dieses Startup jetzt OpenAI? (ням.). Business Insider. Праверана 2 сакавіка 2025 г.
  24. ^ Open-source DeepSeek-R1 uses pure reinforcement learning to match OpenAI o1 — at 95% less cost (анг.). VentureBeat. Праверана 2 сакавіка 2025 г.
  25. ^ DeepSeek: This is what live censorship looks like in the Chinese AI chatbot (анг.). Trending Topics. Праверана 2 сакавіка 2025 г.
  26. ^ Chinaʼs DeepSeek AI poses formidable cyber, data privacy threats (анг.). Biometric Update (2025-01-26). Праверана 2 сакавіка 2025 г.
  27. ^ What is DeepSeek and why is it disrupting the AI sector? (анг.). Reuters (2025-01-28). Праверана 2 сакавіка 2025 г.
  28. ^ DeepSeek «punctures» AI leaders’ spending plans, and what analysts are saying (анг.). TechCrunch. Праверана 2 сакавіка 2025 г.
  29. ^ DeepSeek заподозрили в использовании разработок OpenAI для обучения ИИ (рас.). Интерфакс (2025-01-29).

Вонкавыя спасылкі

[рэдагаваць | рэдагаваць крыніцу]