DeepSeek () — кітайская кампанія, якая спецыялізуецца на распрацоўцы штучнага інтэлекту, а таксама сямейства вялікіх моўных мадэляў. Кампанія базуецца ў Ханчжоу, заснавана і падтрымліваецца кітайскім хедж-фондам High-Flyer. DeepSeek выпусціла свае мадэлі з адкрытым зыходным кодам. Версія DeepSeek-V3 лічыцца параўнальнай з іншымі моўнымі мадэлямі ў 2024 годзе, такімі як Qwen і ChatGPT.
Выхад мадэлі DeepSeek-R1 у студзені 2025 года выклікаў кароткачасовае, але рэзкае зніжэнне курсаў акцый сусветных тэхналагічных кампаній і дыскусіі пра пераацэнку інвестыцый у ШІ.
Гісторыя У 2015 годзе тры інжынера з Чжэцзянскага ўніверсітэта заснавалі кампанію High-Flyer. Яна выкарыстала машыннае навучанне для гандлю акцыямі. У 2019 годзе створана кампанія High-Flyer AI, якая займалася даследаваннямі алгарытмаў штучнага інтэлекту. Да 2021 года ўсе стратэгіі High-Flyer выкарыстоўвалі ШІ, яе параўноўвалі з Renaissance Technologies.
У красавіку 2023 года High-Flyer абвясціла пра новы праекце для даследавання агульнага штучнага інтэлекту. Ён не будзе выкарыстоўвацца для гандлю акцыямі і аддзеліцца ад фінансавага бізнесу High-Flyer. У маі 2023 года кампанія была запушчана пад назвай DeepSeek, яе ўзначаліў адзін з сузаснавальнікаў хедж-фонду High-Flyer Лян Вэньфэн. Распрацоўка DeepSeek фінансуецца High-Flyer.
Выпуск DeepSeek-V2 у маі 2024 года справакаваў цэнавую вайну мадэляў штучнага інтэлекту ў Кітаі, бо прапаноўвалася высокая прадукцыйнасць па нізкай цане. Яе ахрысцілі «Pinduoduo ШІ», а іншым буйным тэхналагічным гігантам, такім як ByteDance, Tencent, Baidu і Alibaba, прыйшлося пачаць зніжаць цэны на свае мадэлі ШІ. Нягледзячы на нізкую цану DeepSeek, кампанія дала справаздачу пра прыбытак у параўнанні з канкурэнтамі, якія, па-відаць, неслі страты.
На канец 2024 года DeepSeek займаецца даследаваннямі і не заяўляе падрабязных планаў камерцыялізацыі.
Кітайская газета South China Morning Post піша, што пры найманні новых супрацоўнікаў кампанія DeepSeek аддавала перавагу здольнасцям, а не вопыту, таму большасць распрацоўшчыкаў — гэта альбо нядаўнія выпускнікі, альбо распрацоўшчыкі на ранняй стадыі сваёй кар’еры ў сферы ШІ.
Да 2025 года DeepSeek змагла стварыць ШІ з магчымасцямі як у вядучых тэхналагічных кампаній 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. Незалежныя назіральнікі адзначаюць, што DeepSeek і іншыя кітайскія кампаніі маюць перавагу, бо на кітайскім рынку доступ да ChatGPT і шэрагу іншых мадэляў заблакаваны Вялікім кітайскім фаерволам. DeepSeek, верагодна, цэнзуруе выдачу. Пры гэтым не ўсе далікатныя для Кітая тэмы гэтаму схільныя.
Рэакцыя рынкаў 27 студзеня 2025 Запуск новай мадэлі R1, як мяркуецца распрацаванай нашмат танней кошту канкурэнтаў, справакаваў рэзкае зніжэнне курсаў акцый сусветных тэхналагічных кампаній. Так, 27 студзеня 2025 года акцыі вытворцы абсталявання для вырабу чыпаў ASML Holding NV упалі больш чым на 8 %. Nasdaq 100 знізіўся на 3 %, страціўшы амаль 1 трыльён долараў. У Токіа акцыі ўпалі на 8,5 %. Акцыі Siemens Energy, вытворцы энергетычнага абсталявання для ШІ-інфраструктуры, — на 20 %. Упалі курсы акцый энергетычных кампаній, уключаючы на 21 % у Constellation Energy, бо ў іх раней чакаўся прыбытак ад рэзкага росту попыту з-за ШІ.
Па словах Вей-Сарна Лінга (Union Bancaire Privée), «DeepSeek паказвае, што можна распрацоўваць магутныя мадэлі ШІ, якія каштуюць танней». Акцыі карпарацыі Nvidia ўпалі за дзень на 17 %, што прывяло да страты каля $600 млрд капіталізацыі. Такое падзенне стала найбуйнейшым за гісторыю амерыканскага фондавага рынку. Многія эксперты прагназуюць скарачэнне закупак чыпаў Nvidia і рост недаверу інвестараў да вядучых тэхналагічных кампаній. Хоць некаторыя спадзяюцца, што даступнасць ШІ вырасце і пашырыцца іх выкарыстанне, што падтрымае попыт на чыпы. 500 самых багатых людзей свету страцілі ў агульнай складанасці $108 млрд з-за распродажаў у тэхналагічным сектары.
Агульная капіталізацыя крыптавалют, звязаных з ШІ, скарацілася на 22 % за суткі.
Пры гэтым па стане на 27 студзеня мабільнае прыкладанне «DeepSeek — AI Assistant» займала першае месца ў App Store у ЗША, ААЭ, Паўднёвай Карэі, Японіі, Вялікабрытаніі і Кітаі, пацясніўшы ChatGPT.
Прэзідэнт ЗША Дональд Трамп назваў DeepSeek «трывожным званком» для амерыканскіх технакампаній.
Далейшыя наступствы Узрушэнні на сусветных рынках праз DeepSeek цягнуліся кароткі час. Пры гэтым аналітыкі Huaxi Securities палічылі тое, што адбылося пераломным момантам, калі ў кітайскіх інвестараў вырасла цікавасць да мясцовых кампаній, якія працуюць з ШІ. 12 лютага 2025 года Financial Times паведаміла, што на фоне поспеху DeepSeek ў Ганконгу індэкс кітайскіх тэхналагічных акцый вырас больш чым на 20 % за месяц.
Таоша Ван (Fidelity International) у лютым 2025 года 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 з’яўляецца напамінам, як хутка ўсё можа змяніцца і, хутчэй за ўсё, зменіцца ў эпоху ШІ».
Рэлізы 2 лістапада 2023 года DeepSeek прэзентавала сваю першую мадэль Deepseek Coder, якая была бясплатнай, у тым ліку для камерцыйнага выкарыстання. Кампанія DeepSeek робіць мадэлі з так званым «адкрытай вагой» (open-weight), якія трохі адрозніваюцца ад цалкам адкрытага зыходнага кода: мадэль можа свабодна выкарыстоўвацца паўторна па ліцэнзіі MIT, можна вывучаць і развіваць алгарытм, але дадзеныя для навучання не пададзены.
29 лістапада 2023 года DeepSeek запусціла DeepSeek LLM (вялікую моўную мадэль) з 67 млрд параметраў. Яна была распрацавана, каб канкурыраваць з іншымі LLM таго часу, і па прадукцыйнасці набліжалася да GPT-4. У яе паўсталі праблемы з вылічальнай эфектыўнасцю і маштабаванасцю. Таксама была выпушчаная чат-версія мадэлі пад назвай DeepSeek Chat.
V2 і V3 У маі 2024 года выйшла DeepSeek-V2. Financial Times паведаміла, што яна была танней аналагаў, каштавала 2 юаня за кожны мільён выпушчаных токенаў. У рэйтынгу LLM лабараторыі Tiger Lab універсітэта Уотэрлоа DeepSeek-V2 заняла сёмае месца.
У снежні 2024 года запушчана DeepSeek-V3. Тэсты прадукцыйнасці паказалі, што версія пераўзышла Llama 3.1 і Qwen 2.5, а таксама адпавядала GPT-4o і Claude 3.5 Sonnet. На студзень 2025 года незалежныя праверкі працягваюцца. Выпадак DeepSeek паказаў, што санкцыі ЗША ў дачыненні да развіцця штучнага інтэлекту ў Кітаі, верагодна, не вельмі эфектыўныя. Амерыканскі аналітык Рэй Ванг выказаў здагадку, што праз адсутнасць у Кітая вольнага доступу да перадавых чыпаў ШІ, кітайскія навукоўцы ўкараняюць інавацыі пры абмежаваных рэсурсах. Паводле звестак вытворцы, агульны кошт навучання мадэлі блізу 5,58 млн долараў ЗША, а само навучанне заняло блізу двух месяцаў.
DeepSeek-V3 мае 685 мільярдаў параметраў і мульціэкспертную архітэктуру (MoE) з 256 экспертамі, з якіх 8 актывуюцца для кожнага токена. Кожны токен актывуе 37 мільярдаў параметраў. +ЭтапВыдаткі (тыс. GPU-гадзін)Кошт (млн $)папярэдняя падрыхтоўка26645,328пашырэнне кантэксту1190,24тонкая налада50,01агульны27885,576
R1 У лістападзе 2024 года з’явілася DeepSeek-R1-Lite-Preview для вырашэння задач, якія патрабуюць лагічнага вываду, матэматычных разваг і вырашэння праблем у рэальным часе. DeepSeek сцвярджаў, што прадукцыйнасць пераўзышла OpenAI o1 у такіх тэстах, як AIME і MATH. Аднак The Wall Street Journal адзначыла, што пры выкарыстанні 15 задач з тэстаў AIME 2024 года OpenAI o1 знайшоў рашэнні хутчэй, чым DeepSeek R1-Lite-Preview.
У студзені 2025 года выйшлі DeepSeek-R1 і DeepSeek-R1-Zero, заснаваныя на V3. Гэтыя мадэлі больш прасунутыя, чым раннія. Яны генеруюць адказы крок за крокам, аналагічна развазе чалавека. Па першых тэстах, пры выкананні пэўных задач па матэматыцы, хіміі і праграмаванні прадукцыйнасць R1 знаходзіцца на адным узроўні з o1.
Крытыка і цэнзура
Назіраецца, што афіцыйная API-версія мадэлі R1 выкарыстоўвае механізмы цэнзуры для адчувальных тэм, асабліва тых, якія лічацца палітычна значнымі ў Кітаі. Напрыклад, мадэль адмаўляецца адказваць на пытанні пра падзеі на плошчы Цяньаньмэнь у 1989 годзе. Часам ШІ першапачаткова генеруе адказ, але неўзабаве выдаляе яго і замяняе паведамленнем: «Прабачце, гэта выходзіць за рамкі маіх магчымасцяў. Давайце пагаворым пра што-небудзь іншае».
Інтэграваныя механізмы цэнзуры і абмежаванні можна часткова абыйсці толькі ў адкрытай версіі мадэлі R1. Як толькі закранаюцца «асноўныя сацыялістычныя каштоўнасці», вызначаныя кітайскімі інтэрнэт-рэгулятарамі, або падымаюцца пытанні, звязаныя з Тайваням, дыскусіі спыняюцца.
Журналіст Энтані Кімеры піша, што сістэма штучнага інтэлекту патэнцыйна можа быць выкарыстана для ўплыву за мяжой: дэзынфармацыі, назірання і распрацоўкі кіберзброі для кітайскіх спецслужб. Або што прыкладанне можа перадаваць персанальныя даныя карыстальнікаў у Кітай.
Газета The Indian Express адзначае, што распаўсюджаныя асцярогі з нагоды часу запуску DeepSeek-R1 як сігналу Кітая пра узровень развіцця яго ШІ. R1 з’явілася менавіта ў той момант, калі Дональд Трамп стаў прэзідэнтам ЗША.
Аналітыкі брокерскай кампаніі Bernstein мяркуюць, што агульныя выдаткі на навучанне V3 нашмат вышэй, чым заяўленыя $5,58 млн, і не лічаць мадэлі DeepSeek цудам. Таксама яны звяртаюць увагу на тое, што DeepSeek не раскрыла выдаткі на навучанне R1. Генеральны дырэктар кампаніі Scale AI Аляксандр Ван сказаў у інтэрв’ю, што нібыта DeepSeek мае 50 000 чыпаў Nvidia H100, але не прывёў доказаў. OpenAI і Дэвід Сакс, спецпрадстаўнік прэзідэнта ЗША па штучным інтэлекце, западозрылі, што DeepSeek выкарыстала мадэлі канкурэнта для навучання.
Крыніцы
Спасылкі
chat.deepseek.com — чат-бот от DeepSeek Nvidia потеряла более $600 млрд капитализации на фоне успеха китайского DeepSeek DeepSeek R1: модель с производительностью o1 от OpenAI Anthology of DeepSeek papers Рассуждающие модели первого поколения DeepSeek-R1-Zero и DeepSeek-R1
Катэгорыя:Апрацоўка натуральнай мовы Катэгорыя:Машыннае навучанне Катэгорыя:Вытворцы праграмнага забеспячэння Катэгорыя:Выкарыстанне штучнага інтэлекту Катэгорыя:Старонкі з недагледжанымі перакладамі