La cinese DeepSeek lancia il modello di IA di nuova generazione per sfidare GPT-5. Ma è abbastanza valido?

Il giovane prodigio tecnologico cinese DeepSeek ha lanciato un nuovo modello sperimentale, V3.2-Exp, nel tentativo di sfidare il dominio americano nell'IA. Il rilascio è avvenuto lunedì ed è stato reso pubblico inizialmente tramite un post su Hugging Face, un popolare forum di IA.

DeepSeek afferma che questa ultima versione si basa sul suo modello attuale, V3.1-Terminus, ma con una maggiore enfasi sulla velocità, sui costi e sulla gestione della memoria.

Secondo Adina Yakefu, responsabile della comunità cinese di Hugging Face, il modello presenta una tecnologia chiamata DeepSeek Sparse Attention (DSA), che, a suo dire, «migliora la capacità dell'IA di gestire documenti e conversazioni lunghe» riducendo al contempo i costi operativi della metà.

Se ricordi, circa un anno fa, DeepSeek ha fatto cadere e scosso le cose rilasciando il suo primo modello, R1, senza preavviso. Quel modello ha mostrato che era possibile addestrare un modello linguistico di grandi dimensioni utilizzando meno chip e molta meno potenza di calcolo. Nessuno si aspettava che un team cinese riuscisse a farlo sotto quei vincoli. Con V3.2-Exp, l'obiettivo non è cambiato: meno hardware, più prestazioni.

Aggiunge DeepSeek Sparse Attention e riduce i costi di esecuzione dell'IA

DSA è la grande caratteristica di questo modello. Cambia il modo in cui l'IA sceglie quali informazioni cercare. Invece di scansionare tutto, DeepSeek addestra il modello a concentrarsi solo su ciò che sembra utile per il compito. Adina spiegò che il vantaggio qui è duplice: "efficienza" e "riduzione dei costi".

Saltando i dati irrilevanti, il modello si muove più velocemente e richiede meno energia. Ha dichiarato che il modello è stato progettato pensando alla collaborazione open-source.

Nick Patience, responsabile della ricerca sull'IA presso The Futurum Group, ha dichiarato a CNBC che il modello ha il potenziale per rendere accessibili potenti strumenti di IA agli sviluppatori che non possono permettersi di utilizzare modelli più costosi. «Dovrebbe rendere il modello più veloce ed economico da utilizzare senza un calo percepibile delle prestazioni», ha detto Nick. Ma questo non significa che non esistano rischi.

Il modo in cui DeepSeek utilizza l'attenzione sparsa è simile a come le compagnie aeree scelgono le rotte di volo. Potrebbero esserci centinaia di modi per andare da un luogo all'altro, ma solo alcuni hanno senso. Il modello filtra attraverso il rumore e si concentra su ciò che conta — o almeno su ciò che pensa che conti.

Ma questo solleva preoccupazioni. Ekaterina Almasque, cofondatrice di BlankPage Capital, lo ha spiegato in modo semplice: «In sostanza, si eliminano le cose che si ritiene non siano importanti». Tuttavia, ha aggiunto, il problema è che non c'è alcuna garanzia che il modello stia eliminando le cose giuste.

Ekaterina, che ha sostenuto aziende come Dataiku, Darktrace e Graphcore, ha avvertito che tagliare le spese potrebbe creare problemi in futuro. «Hanno perso molte sfumature», ha detto. «E poi la vera domanda è: hanno avuto il meccanismo giusto per escludere i dati non importanti, o c'è un meccanismo che esclude dati davvero importanti, rendendo il risultato molto meno rilevante?»

Si connette ai chip cinesi e rilascia il codice open-source

Nonostante queste preoccupazioni, DeepSeek sostiene che V3.2-Exp performi esattamente come V3.1-Terminus. Il modello può inoltre essere eseguito direttamente su chip cinesi nazionali, come Ascend e Cambricon, senza necessità di configurazioni aggiuntive. Questo è fondamentale nell'ampio sforzo della Cina di sviluppare l'IA su hardware domestico e ridurre la dipendenza dalla tecnologia straniera. «Funziona già pronto all'uso», ha affermato Adina, con questi chip.

L'azienda ha anche reso pubblico l'intero codice e gli strumenti del modello. Ciò significa che chiunque può scaricare, eseguire, modificare o sviluppare su V3.2-Exp. Questa mossa si allinea con la strategia open-source di DeepSeek, ma solleva un'altra questione: i brevetti. Poiché il modello è open-source e l'idea di base, l'attenzione sparsa (sparse attention), esiste dal 2015, DeepSeek non può proteggerla legalmente.

«L'approccio non è super nuovo», ha detto Ekaterina. Per lei, l'unica parte difendibile della tecnologia è come DeepSeek sceglie cosa mantenere e cosa ignorare.

È qui che risiede la vera competizione oggi. Non solo nel creare modelli più intelligenti, ma nel renderli più veloci, economici e snelli, senza compromettere i risultati. Lo stesso DeepSeek ha definito questa versione «un passo intermedio verso la nostra architettura di prossima generazione», il che suggerisce che stanno già lavorando a qualcosa di più grande.

Nick ha affermato che il modello dimostra che l'efficienza è ora importante quanto la potenza grezza. E Adina crede che l'azienda abbia una strategia a lungo termine. «DeepSeek sta giocando la partita a lungo termine per mantenere la comunità investita nei loro progressi», ha detto. «Le persone sceglieranno sempre ciò che è economico, affidabile ed efficace.»