Startup #china des-#escala la infraestructura necesaria para crear #IA generativa utilizando modelos en #CódigoAbierto con la lógica de comunidad de desarrollo del #SoftwareLibre.
«Para una pequeña empresa china, la prohibición estadounidense de vender los chips informáticos de inteligencia artificial (IA) más avanzados a entidades chinas fue un estímulo para la innovación. DeepSeek, lanzada en mayo de 2023 por un exestudiante de IA convertido en gestor de fondos de cobertura, dice que ha encontrado una forma de igualar el rendimiento de sus rivales estadounidenses en IA utilizando unidades de procesamiento gráfico de segundo nivel, y a una fracción del coste.
DeepSeek ya había llamado la atención con una serie de modelos de lenguaje grande (LLM) ambiciosos y muy eficientes similares a ChatGPT de OpenAI, pero menos potentes. A diferencia de ChatGPT y la mayoría de sus rivales occidentales, los LLM de DeepSeek son de código abierto, lo que significa que los usuarios pueden ver y modificar el código fuente para mejorarlo o personalizarlo. Ahora, DeepSeek dice que ha dado un gran paso adelante con su último modelo, V3. "Supera a otros modelos de código abierto y logra un rendimiento comparable a los principales modelos de código cerrado", dijo la empresa en un informe técnico del 27 de diciembre de 2024.
Los observadores de la IA se toman en serio esta afirmación. DeepSeek ha “cerrado la brecha con algunos de los mejores [LLM] del mundo”, superando incluso al último modelo de OpenAI, GPT-4o, en algunos puntos de referencia, afirma el politólogo Jeffrey Ding de la Universidad George Washington, que estudia las tecnologías emergentes. Si DeepSeek V3 pasa más controles independientes, “será una demostración muy impresionante de investigación e ingeniería con limitaciones de recursos”, escribió en X el informático Andrej Karpathy, cofundador y ex trabajador de OpenAI».
https://www.science.org/content/article/chinese-firm-s-faster-cheaper-ai-language-model-makes-splash
«Para una pequeña empresa china, la prohibición estadounidense de vender los chips informáticos de inteligencia artificial (IA) más avanzados a entidades chinas fue un estímulo para la innovación. DeepSeek, lanzada en mayo de 2023 por un exestudiante de IA convertido en gestor de fondos de cobertura, dice que ha encontrado una forma de igualar el rendimiento de sus rivales estadounidenses en IA utilizando unidades de procesamiento gráfico de segundo nivel, y a una fracción del coste.
DeepSeek ya había llamado la atención con una serie de modelos de lenguaje grande (LLM) ambiciosos y muy eficientes similares a ChatGPT de OpenAI, pero menos potentes. A diferencia de ChatGPT y la mayoría de sus rivales occidentales, los LLM de DeepSeek son de código abierto, lo que significa que los usuarios pueden ver y modificar el código fuente para mejorarlo o personalizarlo. Ahora, DeepSeek dice que ha dado un gran paso adelante con su último modelo, V3. "Supera a otros modelos de código abierto y logra un rendimiento comparable a los principales modelos de código cerrado", dijo la empresa en un informe técnico del 27 de diciembre de 2024.
Los observadores de la IA se toman en serio esta afirmación. DeepSeek ha “cerrado la brecha con algunos de los mejores [LLM] del mundo”, superando incluso al último modelo de OpenAI, GPT-4o, en algunos puntos de referencia, afirma el politólogo Jeffrey Ding de la Universidad George Washington, que estudia las tecnologías emergentes. Si DeepSeek V3 pasa más controles independientes, “será una demostración muy impresionante de investigación e ingeniería con limitaciones de recursos”, escribió en X el informático Andrej Karpathy, cofundador y ex trabajador de OpenAI».
https://www.science.org/content/article/chinese-firm-s-faster-cheaper-ai-language-model-makes-splash
Science
Chinese firm’s faster, cheaper AI language model makes a splash
DeepSeek’s open-source answer to ChatGPT is “a highly impressive display of research,” expert says