Китайский технологический феномен DeepSeek представляет модель ИИ нового поколения для конкуренции с GPT-5. Но достаточно ли она хороша?

Китайский технологический феномен DeepSeek запустил новую экспериментальную модель V3.2-Exp в рамках попытки бросить вызов американскому доминированию в сфере ИИ. Выпуск состоялся в понедельник и впервые стал достоянием общественности через пост на Hugging Face, популярном форуме ИИ.

DeepSeek утверждает, что эта последняя версия строится на основе текущей модели V3.1-Terminus, но с большим акцентом на скорость, стоимость и обработку памяти.

По словам Адина Якефу, лидера китайского сообщества Hugging Face, модель имеет функцию под названием DeepSeek Sparse Attention (DSA), которая, по ее словам, «делает ИИ лучше в работе с длинными документами и разговорами», одновременно сокращая операционные затраты вдвое.

Если вы вспомните, около года назад DeepSeek произвел фурор, выпустив без предупреждения свою первую модель R1. Эта модель показала, что возможно обучить большую языковую модель, используя меньше чипов и значительно меньшие вычислительные мощности. Никто не ожидал, что китайская команда справится с этим в таких условиях. С V3.2-Exp цель не изменилась: меньше оборудования, больше производительности.

Добавляет DeepSeek Sparse Attention и снижает стоимость запуска ИИ

DSA — это главная особенность этой модели. Она меняет то, как ИИ выбирает информацию для анализа. Вместо того чтобы сканировать все, DeepSeek обучает модель фокусироваться только на том, что кажется полезным для задачи. Адина объяснила, что выгода здесь двойная: «эффективность» и «снижение затрат».

Пропуская нерелевантные данные, модель работает быстрее и требует меньше энергии. Она сказала, что модель была разработана с учетом открытого сотрудничества.

Ник Патенс, возглавляющий исследования в области ИИ в The Futurum Group, сказал CNBC, что модель имеет потенциал открыть мощные инструменты ИИ для разработчиков, которые не могут позволить себе использовать более дорогие модели. «Это должно сделать модель быстрее и более рентабельной в использовании без заметного падения производительности», — сказал Ник. Но это не значит, что рисков нет.

То, как DeepSeek использует разреженное внимание (sparse attention), похоже на то, как авиакомпании выбирают маршруты полетов. Может быть сотни способов добраться из одного места в другое, но лишь несколько из них имеют смысл. Модель фильтрует шум и фокусируется на том, что важно, — или, по крайней мере, на том, что она считает важным.

Но это вызывает опасения. Екатерина Альмаске, соосновательница BlankPage Capital, объяснила это просто: «По сути, вы отсекаете то, что считаете неважным». Но проблема, по ее словам, в том, что нет гарантии, что модель отсекает правильные вещи.

Екатерина, которая поддерживала такие компании, как Dataiku, Darktrace и Graphcore, предупредила, что экономия на деталях может создать проблемы в будущем. «Они [модели с разреженным вниманием] потеряли много нюансов», — сказала она. «И тогда главный вопрос: был ли у них правильный механизм для исключения неважных данных, или есть механизм, исключающий действительно важные данные, и тогда результат будет гораздо менее релевантным?»

Подключается к китайским чипам и выпускает открытый код

Несмотря на эти опасения, DeepSeek настаивает, что V3.2-Exp работает так же хорошо, как V3.1-Terminus. Модель также может работать напрямую на отечественных китайских чипах, таких как Ascend и Cambricon, без дополнительных настроек. Это ключевой момент в более широких усилиях Китая по созданию ИИ на отечественном оборудовании и снижению зависимости от зарубежных технологий. «Из коробки», — сказала Адина, DeepSeek работает с этими чипами.

Компания также сделала полный код и инструменты модели общедоступными. Это означает, что любой может скачать, запустить, изменить или создать что-то на основе V3.2-Exp. Этот шаг согласуется со стратегией открытого исходного кода DeepSeek, но он поднимает еще один вопрос: патенты. Поскольку модель открыта, а основная идея, разреженное внимание, существует с 2015 года, DeepSeek не может юридически защитить ее.

«Подход не супер-новый», — сказала Екатерина. Для нее единственной защищаемой частью технологии является то, как DeepSeek выбирает, что сохранять, а что игнорировать.

Именно здесь сейчас заключается реальная конкуренция. Не только в создании более умных моделей, но и в том, чтобы делать их быстрее, дешевле и стройнее — не испортив результаты. Даже DeepSeek назвала эту версию «промежуточным шагом к нашей архитектуре следующего поколения», что предполагает, что они уже работают над чем-то большим.

Ник сказал, что модель показывает, что эффективность теперь так же важна, как и сырая мощность. А Адина считает, что компания имеет долгосрочную стратегию. «DeepSeek играет в долгую, чтобы держать сообщество заинтересованным в их прогрессе», — сказала она. «Люди всегда будут выбирать то, что дешево, надежно и эффективно».