A DeepSeek V3 open-source modell felveszi a versenyt a legjobb zárt forráskódú rendszerekkel
Ha már a nagy modellekről beszélünk, az ünnepek alatt megjelent a DeepSeek V3, amely jelenleg a legerősebb elérhető open-source AI modell. Teljesítményben megelőzi a Meta Llama modelljét, és bizonyos feladatokban még az OpenAI és az Anthropic zárt modelljeivel is pariban van. Lényegében ChatGPT-4 minőséget nyújt open-source formában – annyira hasonló hozzá, hogy néha ugyanazokat a vicceket meséli, és elfelejti, hogy valójában nem a ChatGPT. Nem viccelünk, néha szó szerint azt hiszi magáról, hogy ő a ChatGPT.
De van egy bökkenő: hatalmas. Egy 671 milliárd paraméteres óriásról beszélünk. Az optimális futtatáshoz vagy 18 darab A100 GPU-ra (540-720 ezer dollár), 9 darab H100 GPU-ra (270-360 ezer dollár), vagy 4 darab AMD MI300X GPU-ra (kb. 60 ezer dollár) van szükség.
- 671 milliárd paraméterrel rendelkezik
- Megjelenésekor túlszárnyalta a Meta Llama és az Alibaba Qwen modelljeit
- Bizonyos feladatokban hozza a zárt modellek, például a ChatGPT-4 szintjét
- Csúcskategóriás hardverkonfigurációt igényel (pl. 9 darab H100 GPU) az optimális teljesítményhez
- Az open-source elérhetőség szélesebb körű hozzáférést biztosít a fejlesztőknek a hardveres akadályok ellenére
Miért fontos?
Eddig a fizikai AI-rendszerek tanítása rendkívül drága és időigényes volt. Bár az NVIDIA 3000 dolláros szuperszámítógépe hatalmas lépés az AI demokratizálása felé, még mindig messze vagyunk attól, hogy a legfejlettebb modelleket az íróasztalunkon futtassuk. ---