¿Nuevo hito en el mercado? DeepSeek lanza un novedoso modelo experimental
La empresa china de inteligencia artificial DeepSeek ha anunciado este lunes el lanzamiento de su nuevo modelo experimental V3.2-Exp. «Desarrollado sobre V3.1-Terminus, presenta DeepSeek Sparse Attention (DSA) para un entrenamiento e inferencia más rápidos y eficientes en un contexto largo», reza un comunicado de la compañía.
Se precisa que esta nueva versión de su modelo ya está disponible en la aplicación, la web y mediante el uso de su API (el precio en API se ha reducido en más del 50 %).
«Esta versión experimental representa nuestra investigación en curso sobre arquitecturas de transformadores más eficientes, centrándonos especialmente en mejorar la eficiencia computacional al procesar secuencias de texto extendidas», indica un comunicado sobre el lanzamiento del modelo.
«DeepSeek Sparse Attention (DSA) logra una atención dispersa y detallada por primera vez, lo que ofrece mejoras sustanciales en el entrenamiento en un contexto prolongado y en la eficiencia de inferencia mientras mantiene una calidad de salida del modelo prácticamente idéntica», se agrega.
Al ser un modelo de código abierto, DeepSeek permite que investigadores, desarrolladores y empresas a nivel mundial puedan analizar y modificar libremente su código.
Anteriormente, se informó que la compañía sufrió un retraso en el lanzamiento del modelo R2, inicialmente previsto para mayo, lo que hizo que DeepSeek perdiera terreno frente a competidores. Internamente, el fundador de la compañía, Liang Wenfeng, había manifestado su descontento con los avances del R2, así como la necesidad de dedicar más tiempo a construir un modelo avanzado que pueda mantener su negocio en una posición de liderazgo en el campo de la inteligencia artificial. Con RT