Deepseeks Modelle Deepseek-V3 und Deepseek-R1 haben im Bereich der künstlichen Intelligenz eine enorme Reaktion verursacht. Insbesondere Deepseek-R1 Open-Source-Modellgewichte und offenbart alle Trainingstechnologien, die in der Branche weit verbreitete Aufmerksamkeit erregt und auch Unternehmen wie Meta großen Druck geweckt haben. Meta -Ingenieure gaben sogar öffentlich an, dass das Team in Panik sei und versuchte, die Technologie von Deepseek zu wiederholen.
Die kürzlich von Deepseek gestartete Modelle hat im globalen KI -Kreis einen Schock verursacht. Deepseek-V3 erzielt bei niedrigen Kosten eine hohe Leistung und ist in vielen Bewertungen vergleichbar mit dem Top-Modell. Es ist auch Open Source.
Deepseek gibt auch alle Trainingstechniken offen. R1 wird gegen OpenAs O1-Modell verprüft, und die Verstärkungslernen-Technologie wird in der Nachtrainingsphase ausführbar eingesetzt. Deepseek sagte, dass R1 mit O1 in Aufgaben wie Mathematik, Code, natürlicher Sprachbekämpfung vergleichbar ist und der API -Preis weniger als 4% von O1 beträgt.
Kürzlich war das Teamblind, ein anonymer Beitrag eines Meta -Mitarbeiters in der anonymen Workplace -Community im Ausland, besonders beliebt. Der Start von Deepseek V3 bringt Lama 4 in Benchmarks zurück, und das Meta Generative AI -Team ist in Panik. Ein "unbekanntes chinesisches Unternehmen" verfügt über ein Budget von 5,5 Millionen US -Dollar, um Schulungen abzuschließen und das vorhandene große Modell ins Gesicht zu schlagen.
Meta -Ingenieure zerstören Deepseek verzweifelt und versuchen, das Management zu kopieren, wie das Gehalt seines Teams "Führer" hohe Kosten erklärt. Die Entstehung von Deepseek R1 verschlimmert die Situation, und obwohl einige Informationen noch nicht offengelegt werden können, wird sie bald veröffentlicht, und die Situation kann bis dahin noch ungünstiger sein.
Die Übersetzung des anonymen Beitrags von Meta -Mitarbeitern ist wie folgt (übersetzt von Deepseek R1):
META Generative AI -Abteilung betritt einen Ausnahmezustand
Alles begann mit dem Deepseek V3 - es ließ die Lama 4 -Benchmark -Partitur sofort veraltet aussehen. Noch peinlicher ist, dass "ein unbekanntes chinesisches Unternehmen einen solchen Durchbruch mit nur 5 Millionen US -Dollar im Schulungsbudget erzielt hat".
Das Team von Ingenieuren ist verzweifelt die Deepseek -Architektur ab und versucht, alle technischen Details zu replizieren. Dies ist keineswegs eine Übertreibung, unsere Codebasis wird nach Teppichstil gesucht.
Das Management stirbt über die Rationalität der enormen Ausgaben der Abteilung. Wenn das jährliche Gehalt jedes "Führungskräfte" in der generativen KI -Abteilung die gesamten Ausbildungskosten für Deepseek V3 übertrifft und wir Dutzende solcher "Führungskräfte" haben, wie sollten sie der Geschäftsleitung erklären?
Deepseek R1 macht die Situation noch ernster. Obwohl vertrauliche Informationen nicht offengelegt werden können, werden die entsprechenden Daten bald veröffentlicht.
Es sollte ein qualifiziertes technikorientiertes Team sein, aber die Organisationsstruktur wurde aufgrund des Zustroms einer großen Anzahl von Menschen für Einfluss absichtlich erweitert. Das Ergebnis dieses Thronesspiels? Am Ende wurden alle zu Verlierern.
Einführung in Modelle der Deepseek SeriesDeepseek-V3: Ist ein MOE-Sprachmodell (Hybrid Expert) mit einem Parametermengen von 671b, und jedes Token aktiviert 37b. Es übernimmt die Architektur "Multi-Head Latent Acht GPT-4O- und Claude 3.5 Top-Modelle mit geschlossenen Quellen wie Sonett haben eine vergleichbare Leistung. Die Schulungskosten sind niedrig, nur 2,788 Millionen H800 GPU -Stunden, etwa 5,576 Millionen US -Dollar und der Schulungsprozess ist stabil.
Deepseek-R1: Beinhaltet Deepseek-R1-Zero und Deepseek-R1. Deepseek-R1-Null zeigt durch groß angelegte Verstärkungslern-Lerntraining die Selbstverifizierung, Reflexion und andere Fähigkeiten durch ein großes Verstärkungslerntraining und stützt sich nicht auf beaufsichtigte Feinabstimmungen (SFT), aber es gibt Probleme wie schlecht Lesbarkeit und Sprachverwirrung. Basierend auf Deepseek-R1 führt Deepseek-R1 mehrstufige Trainings- und Kaltstart-Daten ein, die einige Probleme löst. Gleichzeitig wurden mehrere Modelle mit unterschiedlichen Parameterskalen geöffnet, um die Entwicklung der Open -Source -Community zu fördern.
Ausgezeichnete Leistung: Deepseek-V3 und Deepseek-R1 haben in mehreren Benchmarks gut abschnitten. Zum Beispiel hat Deepseek-V3 hervorragende Ergebnisse in MMLU, Drop und anderen Bewertungen erzielt. .
Schulungsinnovation:
Deepseek-V3 übernimmt Lastausgleichsstrategien ohne Hörverluste und Multi-Tooken-Vorhersageziele (MTP), um die Leistungsverschlechterung zu verringern und die Modellleistung zu verbessern.
Deepseek-R1-Null verwendet reines Training für Verstärkung und stützt sich ausschließlich auf einfache Belohnungs- und Bestrafungssignale, um das Modell zu optimieren, was beweist, dass das Lernen des Verstärkers die Inferenzfähigkeit des Modells verbessern kann. Stabilität und Lesbarkeit.
Open Source-Sharing: Die Modelle der Deepseek-Serie halten sich an das Open-Source-Konzept und das Open-Source-Modellgewichte wie Deepseek-V3 und Deepseek-R1 und ihre kleinen destillierten Modelle, sodass Benutzer andere Modelle durch Destillationstechnologie fördern können, um Kommunikation und Innovation in AI -Technologie.
Multi-Domänen-Vorteile: Deepseek-R1 zeigt seine leistungsstarken Funktionen in mehreren Bereichen. und Erzeugungsaufgaben.
Hochkostenleistung: Die Modell -API der Deepseek -Serie ist erschwinglich. Zum Beispiel ist der Eingangs- und Ausgangspreis für Deepseek-V3-API viel niedriger als ähnliche Modelle.
Aufgaben der natürlichen Sprachverarbeitung: einschließlich Textgenerierung, Frage und Antwortsystem, maschineller Übersetzung, Textübersicht usw. In einem Frage-und-Antwort-System kann Deepseek-R1 beispielsweise das Problem verstehen und die Fähigkeit zur Begründung verwenden, um genaue Antworten zu geben.
Codeentwicklung: Entwicklern helfen, Code zu schreiben, Programme zu debuggen und die Codelogik zu verstehen. Wenn Entwickler beispielsweise Codeprobleme treffen, kann Deepseek-R1 den Code analysieren und Lösungen bereitstellen.
Lösung mathematischer Probleme: Lösen Sie komplexe mathematische Probleme in der mathematischen Bildung, wissenschaftlicher Forschung und anderen Szenarien. Wie bei Deepseek-R1 ist es in Fragen des Aime-Wettbewerbs gut funktioniert und kann verwendet werden, um die Schüler beim Erlernen von Mathematik und Forschern beim Umgang mit mathematischen Problemen zu unterstützen.
Modellforschung und -entwicklung: Bietet Referenz und Instrumente für KI -Forscher, um die Modelldestillation, verbesserte Modellstruktur und Trainingsmethoden zu untersuchen. Forscher können Experimente durch das Deepseek Open Source -Modell durchführen, um neue technologische Richtungen zu untersuchen.
Hilfsentscheidung: Prozessdaten und Informationen und geben Sie Entscheidungen in den Bereichen Wirtschaft, Finanzierung usw. an. Analyse von Marktdaten, um Unternehmen für die Formulierung von Marketingstrategien zu verweisen, um Investitionsentscheidungen zu unterstützen.
Besuchen Sie die Plattform: Benutzer können sich auf der Deepseek Official -Website (https://www.deepseek.com/) anmelden, um die Plattform einzugeben.
Wählen Sie ein Modell: In der offiziellen Website oder App wird der Standarddialog von Deepseek-V3 angetrieben, um den "Deep Thinking" -Modus zu öffnen, der vom Deepseek-R1-Modell angetrieben wird. Wenn Sie die API durchgerufen haben, legen Sie die entsprechenden Modellparameter im Code gemäß den Anforderungen fest, z.
Eingabeaufgaben: Geben Sie in der natürlichen Sprache in der Dialog -Schnittstelle auf, z. B. "Schreiben eines Liebesromans", "die Funktion dieses Code", "Mathematische Gleichungen zu lösen" usw.; zu den API-Spezifikationen und fügen Sie die aufgabenbezogenen Informationen als Eingabeparameter hinzu.
Ergebnisse erhalten: Nach dem Modell der Aufgabe geben Sie die Ergebnisse zurück, sehen Sie sich den generierten Text an, beantwortet Fragen usw. auf der Schnittstelle.
AbschlussDie Modelle der Deepseek Series haben auf dem Gebiet der KI mit ihrer herausragenden Leistung, innovativen Trainingsmethoden, dem gemeinsamen Spirit der Open Source-Sharing und ihren kostengünstigen Vorteilen bemerkenswerte Ergebnisse erzielt.
Wenn Sie an AI -Technologie interessiert sind, können Sie Ihre Ansichten zur Deepseek -Modelsserie genauso gut mögen, kommentieren und teilen. Gleichzeitig achten wir weiter Branchen.
Die Entstehung von Deepseek hat neue Vitalität und Konkurrenz auf das Gebiet der künstlichen Intelligenz gebracht, und sein Open -Source -Geist ist noch lobenswerter. In Zukunft werden die Modelle der Deepseek Series ihre leistungsstarken Fähigkeiten in mehr Feldern zeigen, lasst uns warten und sehen!