Kina 2023 11-50 osoba 
Themes
DeepSeek (深度求索) je kineski istraživački laboratorij za umjetnu inteligenciju osnovan 2023. godine, sa sjedištem u Hangzhouu, koji djeluje u okviru pravne osobe 杭州深度求索人工智能基础技术研究有限公司. Organizacija se usredotočuje na razvoj temeljnih tehnologija velikih jezičnih modela, a istraživanja obuhvaćaju opće razumijevanje jezika, generiranje koda, matematiku i multimodalne mogućnosti.
DeepSeek je osobito prepoznatljiv po pristupu otvorenog izvora, pri čemu javno objavljuje težine modela uz komercijalnu API platformu, čime svoje sustave čini dostupnima i istraživačima i razvojnim programerima. Njegovi vodeći modeli uključuju model za rasuđivanje DeepSeek-R1 i seriju DeepSeek-V3, kao i specijalizirane modele poput DeepSeek-Coder, DeepSeek-Math i DeepSeek-VL, usmjerene na pojedina tehnička područja.
Proizvodi namijenjeni krajnjim korisnicima uključuju web sučelje i mobilnu aplikaciju izgrađene na temeljnim modelima.
Podrijetlo i vodstvo
DeepSeek je osnovan u srpnju 2023. godine od strane Lianga Wenfenga, suosnivača kineskog hedge fonda High-Flyer. Tvrtka djeluje iz Hangzhoua, uz dodatnu prisutnost u Pekingu, te ostaje u vlasništvu High-Flyera.
Liangova pozadina u kvantitativnim financijama oblikuje pristup DeepSeeka razvoju AI-ja. Organizacija daje prednost dugoročnom istraživanju umjesto neposrednoj komercijalizaciji, svoj rad uokvirujući kao istraživanje umjetne opće inteligencije.
Početno financiranje došlo je iz prethodno postojeće zalihe Nvidia A100 i H800 GPU-ova, nabavljene prije nego što su se pooštrila izvozna ograničenja. To je omogućilo tvrtki da trenira svoje modele uz djelić troška koji se inače povezuje s projektima velikih razmjera u području AI-ja.
Filozofija otvorenog koda
DeepSeek se izdvaja predanošću objavama otvorenog koda. Svi modeli objavljeni su pod MIT licencom, čime su težine i kod javno dostupni.
Ovaj pristup razlikuje se od mnogih konkurenata koji ograničavaju pristup svojim vlasničkim sustavima. Objave tvrtke uključuju modele opće namjene, kao i specijalizirane varijante za kodiranje, matematiku i multimodalne zadatke.
- DeepSeek-LLM: Podržava chatbote i aplikacije za korisničku podršku.
- DeepSeek-Coder: Omogućuje funkcije dovršavanja koda u razvojnim okruženjima.
- DeepSeek-Math: Optimiziran za matematičko rasuđivanje i rješavanje problema.
- DeepSeek-VL: Rješava zadatke koji zahtijevaju i tekstualno i vizualno razumijevanje.
Model za rasuđivanje DeepSeek-R1, objavljen 2024., pokazao je performanse usporedive s OpenAI-jevim o1-preview na mjerilima poput AIME i MATH. Njegova otvorena dostupnost privukla je pozornost stručnjaka iz tehnološkog sektora, uključujući rizičnog kapitalista Marc Andreessen-a, koji ga je opisao kao “dubok dar svijetu”.
Tehnička učinkovitost
DeepSeekovi modeli postižu konkurentne performanse uz znatno niže računalne troškove. Primjerice, model DeepSeek-V3 treniran je pomoću manje od 6 milijuna USD vrijednih Nvidia H800 čipova.
Ta učinkovitost proizlazi iz arhitektonskih inovacija i optimizacija u treningu. Tvrtka koristi slojeve mješavine stručnjaka (MoE) i višeglavu latentnu pozornost (MLA) kako bi smanjila redundantne izračune.
- Dinamička aktivacija težina smanjuje troškove inferencije na manje od 0,001 USD po zahtjevu.
- Fino podešavanje specifično za domenu minimizira prekomjernu parametrizaciju za specijalizirane zadatke.
- Učenje potkrepljenjem i inženjering nagrada poboljšavaju sposobnosti logičkog rasuđivanja.
Te tehnike omogućuju DeepSeeku komprimiranje modela s 671 milijardom parametara u manje varijante za izvođenje na rubnim uređajima. Tvrtka također koristi generiranje sintetskih podataka kako bi potaknula emergentna ponašanja rasuđivanja bez ručnog inženjeringa upita.
Tržišni utjecaj i prijem
DeepSeekovi modeli stekli su zamah i u istraživačkim i u komercijalnim primjenama. U 2024. njegov AI asistent postao je najbolje ocijenjena besplatna aplikacija na Appleovoj američkoj App Store platformi, nadmašivši OpenAI-jevu ChatGPT.
Troškovno učinkoviti pristup tvrtke utjecao je na očekivanja u industriji. Izvještaji su navodili da je DeepSeekov R1 model postigao performanse usporedive s GPT-4, ali uz 20 puta niži trošak, što je potaknulo rasprave o ekonomiji AI-ja.
Političke osobe, uključujući bivšeg američkog predsjednika Donald Trump-a, navodile su uspon DeepSeeka kao katalizator za povećani fokus na domaću konkurentnost u području AI-ja. Njegova strategija otvorenog koda također je potaknula izvedene projekte, poput SeekDeep-a, Web3 tokena izgrađenog na DeepSeekovoj platformi.
Unatoč brzom rastu, DeepSeek zadržava usmjerenost na istraživanje kao prioritet. Njegovo usvajanje u poduzećima ostaje ograničeno u usporedbi s etabliranim igračima, iako se njegovi modeli sve češće ugrađuju u aplikacije trećih strana i razvojne alate.