- DeepSeek-V3.2-Exp가 출시되어 다음 아키텍처를 향한 중간 단계가 되었습니다.
- 긴 컨텍스트와 낮은 계산을 위한 새로운 DeepSeek Sparse Attention 메커니즘
- 앱, 웹, API에서 50% 이상 할인된 가격으로 이용 가능합니다.
- FP8 지원 및 BF16 작업을 통해 중국 칩에 대한 경쟁 압력과 적응
기반으로 구축 V3.1-종료, 새로운 모델 DeepSeek V3.2-Exp 분산된 주의 접근 방식을 도입합니다 품질을 저하시키지 않고 컴퓨팅 부하를 줄이는 것을 목표로 합니다. 회사에 따르면, API 가격이 50% 이상 하락했습니다. 즉시 효력이 발생함, 및 액세스 이제 앱, 웹 및 API를 통해 사용할 수 있습니다., 형식으로 제공되는 것 외에도 오픈 소스 다음과 같은 개발 플랫폼에서 포옹하는 얼굴.
기술 혁신: 분산된 주의와 긴 맥락
이 업데이트의 핵심은 다음과 같습니다. DeepSeek 스파스 어텐션(DSA)컨텍스트의 관련 부분을 우선순위화하여 더욱 정확하게 처리하는 메커니즘입니다. 회사는 다음을 사용하는 방법을 자세히 설명합니다. 번개 인덱서 핵심 조각을 선택하고 프로세스 "세밀한 토큰 선택"목표는 넓은 맥락 창을 포괄하고 정보 오버헤드를 줄이면서 한 번에 여러 사고 흐름을 처리하는 것입니다.
이 접근 방식은 다음을 추구합니다. 훈련과 추론 모두에서 개선됨, 시간을 단축하고 메모리 소비를 줄입니다. DeepSeek은 최신 버전이 이미 FP8 지원 그리고 호환성을 위해 노력하고 있습니다 BF16속도와 정확성의 균형을 맞추는 데 도움이 되는 숫자 형식이며 이를 통해 다음을 더 쉽게 수행할 수 있습니다. 로컬 하드웨어에서 실행.
회사는 이것이 출시, 즉 시험장 차세대 아키텍처를 예상합니다. 그래도 내부 테스트 그들은 V3.2-Exp(실험적 버전)가 검색 에이전트, 코딩 또는 수학과 같은 작업에서 V3.1-Terminus 수준의 성능을 발휘하며, 장기 컨텍스트 시나리오에서 효율성이라는 이점이 있다고 지적합니다.
기술적인 부분 외에도 가용성이 넓습니다. 모델을 테스트할 수 있습니다. 앱, 웹 및 API 회사의. 가격 인하 (50% 이상)은 운영 비용을 절감하고자 하는 제품 팀과 엔지니어링 부서의 도입을 가속화하는 것을 목표로 합니다.
커뮤니티 측면에서 개방 허깅 페이스와 GitHub 이를 통해 연구자와 개발자는 감사, 재사용 및 개선안 제안이 가능해져 생태계에서 DeepSeek의 프로필이 강화됩니다. 오픈소스 AI.
시장 영향 및 지정학적 맥박
이번 조치가 시장을 뒤흔들 것으로 예상되지는 않지만 R1과 V3 올해 초에, V3.2-Exp는 국내 경쟁사 등에 압박을 가할 수 있다. 웬(알리바바) 그리고 미국 경쟁사 등 OpenAI, 인간중심 또는 xAI. 핵심은 다음을 입증하는 것입니다. 저렴한 비용으로 높은 성능대규모 AI 배포에 특히 민감한 요소입니다.
이 출시는 복잡한 환경 속에서 이루어졌습니다. 여러 국가에서 사용이 제한되었습니다. 정부 기관의 DeepSeek (이탈리아, 미국 등 포함) 대한민국), 보안 문제를 언급했습니다. 이러한 제한으로 인해 회사는 보안을 강화해야 합니다. 거버넌스 및 보장 기관에서의 입지를 확보하고 싶다면.
산업 분야에서 중국은 자국 기술 기업들이 외국 반도체에 대한 의존도를 낮추도록 압력을 가하고 있습니다. 미국, 엔비디아 칩 수출 통제 (예: Blackwell) 및 추가 제한 사항(예: RTX 프로 6000—, DeepSeek은 중국 칩 제조업체와 협력하여 최적화한다고 주장합니다. 로컬 하드웨어에서 실행. 이 라인에서 해당 부문은 다음과 같은 지원을 표시했습니다. 화웨이 최신 모델 업데이트.
모델이 운영 비용을 절반으로 줄여서 성능을 유지할 수 있다면, 긴 문서가 있는 사용 사례, 긴 대화 또는 까다로운 분석 작업이 특히 도움이 될 수 있습니다. 많은 회사에서 이러한 조합은 효율성 + 가격 이는 벤치마크에서 몇 점 더 얻는 것만큼이나 결정적입니다.
DeepSeek의 접근 방식은 개방성, 효율성, 즉각적인 가용성을 더욱 강력한 아키텍처를 약속하는 로드맵과 결합합니다. 만약 DeepSeek이 V3.1-Terminus에서 보여준 수준을 유지하면서 비용 절감을 통합한다면, 새로운 모델은 엄청난 비용 증가 없이 대규모로 생성적 AI를 구축하기 위한 실용적인 벤치마크가 될 수 있습니다.DeepSeek이 효율성을 더 이상 기술적 열망이 아닌 기업과 개발자에게 실질적인 경쟁 우위로 만들 수 있는지 살펴보겠습니다.
나는 그의 "괴짜" 관심을 직업으로 바꾼 기술 열광자입니다. 나는 10년 넘게 최첨단 기술을 사용하고 순수한 호기심으로 온갖 프로그램을 만지작거리며 살아왔습니다. 이제 저는 컴퓨터 기술과 비디오 게임을 전공했습니다. 왜냐하면 저는 5년 넘게 기술 및 비디오 게임에 관한 다양한 웹사이트에 글을 쓰고 모든 사람이 이해할 수 있는 언어로 필요한 정보를 제공하려는 기사를 작성해 왔기 때문입니다.
질문이 있으시면 제가 알고 있는 지식은 Windows 운영 체제는 물론 휴대폰용 Android까지 다양합니다. 그리고 저는 여러분을 위한 헌신을 하고 있습니다. 저는 항상 몇 분씩만 시간을 내어 이 인터넷 세계에서 여러분이 가질 수 있는 모든 질문을 해결하도록 도와드릴 의향이 있습니다.