DeepSeek gir gass: lavere kostnader, mer kontekst og en vanskelig rival for OpenAI

Bygget på V3.1-Terminus, den nye modellen DeepSeek V3.2-Exp introduserer en tilnærming til spredt oppmerksomhet som har som mål å redusere databelastningen uten å ofre kvaliteten. Ifølge selskapet, API-prisene faller med mer enn 50 % med umiddelbar virkningog tilgang Den er nå tilgjengelig i appen din, på nettet og via API, i tillegg til å bli tilbudt i form av åpen kildekode på utviklingsplattformer som Klemme ansiktet.

Tekniske innovasjoner: spredt oppmerksomhet og lang kontekst

Kjernen i denne oppdateringen er DeepSeek Sparse Attention (DSA), en mekanisme som prioriterer relevante deler av konteksten for å behandle dem mer nøyaktig. Selskapet beskriver bruken av en Lynindekser som velger nøkkelfragmenter og en prosess med «finkornet tokenutvalg», med mål om å dekke store kontekstvinduer og håndtere flere tankerekker samtidig med mindre informasjonsoverhead.

Denne tilnærmingen forfølger forbedringer i både trening og inferens, noe som øker tiden og reduserer minneforbruket. DeepSeek indikerer at de nyeste versjonene allerede støtte FP8 og jobber med kompatibilitet med BF16, tallformater som bidrar til å balansere hastighet og nøyaktighet, og som gjør det enklere å utførelse på lokal maskinvare.

Selskapet understreker at dette er en lansering, det vil si en testplass som forutser neste generasjons arkitektur. Likevel, dens interne tester De påpeker at V3.2-Exp (eksperimentversjonen) yter på nivå med V3.1-Terminus i oppgaver som søkeagenter, koding eller matematikk, med den ekstra fordelen av effektivitet i langsiktige scenarier.

I tillegg til den tekniske delen er tilgjengeligheten bred: modellen kan testes i app, nettet og API-et av selskapet. Den prisreduksjon (mer enn 50 %) har som mål å akselerere adopsjonen hos produktteam og ingeniøravdelinger som ønsker å redusere driftskostnadene.

På samfunnsfronten, åpningen i Klemfjes og GitHub Det gjør det mulig for forskere og utviklere å revidere, gjenbruke og foreslå forbedringer, noe som styrker DeepSeeks profil i økosystemet. Åpen kildekode AI.

Markedspåvirkning og geopolitisk puls

Selv om dette tiltaket ikke forventes å ryste markedene slik det gjorde R1 og V3 i begynnelsen av året, V3.2-Exp kan legge press på innenlandske rivaler som Qwen (Alibaba) og amerikanske konkurrenter som f.eks. OpenAI, Antropisk eller xAI. Nøkkelen vil være å demonstrere høy ytelse til lavere kostnad, en spesielt sensitiv faktor for store AI-utplasseringer.

Lanseringen kommer midt i et komplekst miljø: flere land har begrenset bruken av DeepSeek i offentlige etater (inkludert Italia, USA og Sør-Korea), med henvisning til sikkerhetsbekymringer. Disse restriksjonene tvinger selskapet til å styrke sin styring og garantier hvis du ønsker å oppnå institusjonell tilstedeværelse.

I industrisektoren presser Kina teknologiselskapene sine til å redusere sin avhengighet av utenlandske halvledere. Amerikansk eksportkontroll av Nvidia-brikker (som Blackwell) og ytterligere restriksjoner – for eksempel på RTX Pro 6000—, DeepSeek hevder å samarbeide med kinesiske brikkeprodusenter for å optimalisere sin utførelse på lokal maskinvareI denne forbindelse har sektoren vist støtte til Huawei til den nyeste modelloppdateringen.

Hvis modellen klarer å opprettholde ytelsen med halvparten av driftskostnadene, brukstilfeller med lange dokumenter, lange samtaler eller krevende analytiske oppgaver kan være spesielt gunstige. For mange selskaper er kombinasjonen effektivitet + pris Det er like avgjørende som noen få ekstra poeng i referansetester.

DeepSeeks tilnærming kombinerer åpenhet, effektivitet og umiddelbar tilgjengelighet med en plan som lover en mer kapabel arkitektur. Hvis selskapet konsoliderer kostnadsreduksjonene samtidig som nivået som V3.1-Terminus demonstrerer opprettholder, Den nye modellen kan bli en praktisk målestokk for å distribuere generativ AI i stor skala uten at kostnadene skyter i været.Vi får se om DeepSeek kan gjøre effektivitet ikke lenger til en teknisk ambisjon, men til et reelt konkurransefortrinn for bedrifter og utviklere.

Relatert artikkel:

Hvordan bruke DeepSeek i Visual Studio Code

Alberto navarro

Jeg er en teknologientusiast som har gjort sine "geek"-interesser til et yrke. Jeg har brukt mer enn 10 år av livet mitt på å bruke banebrytende teknologi og fikse med alle slags programmer av ren nysgjerrighet. Nå har jeg spesialisert meg på datateknologi og videospill. Dette er fordi jeg i mer enn 5 år har skrevet for forskjellige nettsteder om teknologi og videospill, og laget artikler som prøver å gi deg den informasjonen du trenger på et språk som er forståelig for alle.

Hvis du har spørsmål, spenner min kunnskap fra alt relatert til Windows-operativsystemet samt Android for mobiltelefoner. Og mitt engasjement er til deg, jeg er alltid villig til å bruke noen minutter og hjelpe deg med å løse eventuelle spørsmål du måtte ha i denne internettverdenen.