चायनीज AI फर्म DeepSeek आपले V4 मॉडेल लाँच करण्याच्या तयारीत आहे, आतील सूत्रांनी कच्च्या कार्यप्रदर्शन मेट्रिक्सच्या पलीकडे असलेले परिणाम हायलाइट केले आहेत. अहवाल असे सूचित करतात की प्रकाशन जागतिक सेमीकंडक्टर स्पर्धा वाढवू शकते आणि देशांतर्गत ऑप्टिमाइझ केलेल्या हार्डवेअरचा वापर करून उच्च-स्तरीय AI सिस्टमला टक्कर देण्याची चीनची क्षमता प्रदर्शित करू शकते.
DeepSeek V4, 1 ट्रिलियन पॅरामीटर मिक्स्चर-ऑफ-एक्सपर्ट्स (MoE) मॉडेल, त्याच्या पूर्ववर्तीच्या तुलनेत कार्यक्षमतेसाठी प्रति टोकन सुमारे 37 अब्ज पॅरामीटर सक्रिय करते. हे Engram कंडिशनल मेमरी तंत्रज्ञान समाकलित करते, सुई-इन-ए-हेस्टॅक चाचण्यांवर 97% पुनर्प्राप्ती अचूकतेसह 1 दशलक्ष टोकन संदर्भ विंडो सक्षम करते. लीक केलेले बेंचमार्क HumanEval कोडिंग टास्कवर 90% आणि SWE-bench Verified वर 80% पेक्षा जास्त सुचवतात, दीर्घ-संदर्भ कोड जनरेशनमध्ये क्लॉड ओपस सारख्या मॉडेलशी जुळण्यासाठी किंवा ओलांडण्यासाठी आणि मजकूर, प्रतिमा आणि व्हिडिओसह मल्टीमोडल क्षमतांमध्ये स्थान देतात.
Huawei आणि Cambricon मधील चिनी चिप्ससाठी ऑप्टिमाइझ केलेले मॉडेलचे विकास प्रगत Nvidia GPU वरील यूएस निर्यात निर्बंधांना बायपास करण्यासाठी DeepSeek च्या धोरणाला अधोरेखित करते. V3 सारख्या पूर्वीच्या पुनरावृत्तीने सुमारे 2,000 जुन्या Nvidia H चिप्सवर नाविन्यपूर्ण मल्टी-मॉडेल सहयोगाद्वारे प्रशिक्षण दिले होते, ज्यामुळे पाश्चात्य खर्चाच्या अंशामध्ये उच्च कार्यक्षमता प्राप्त होते. V4 चे ओपन-सोर्स Apache 2.0 रिलीझ सीमावर्ती क्षमतांमध्ये प्रवेशाचे लोकशाहीकरण करेल, किंमत आणि उपलब्धतेवर मालकी प्रदात्यांवर दबाव आणेल.
ही चाल अत्याधुनिक चिप्स AI वर्चस्वाची व्याख्या करणाऱ्या कथेला आव्हान देते. DeepSeek ची कार्यक्षमता मंजुऱ्यांभोवती व्यवहार्य मार्ग दाखवते, पर्यायी आर्किटेक्चरची संभाव्य मागणी वाढवते. Nvidia सारख्या यूएस चिप निर्मात्यांना मूल्यांकनाच्या दबावाचा सामना करावा लागतो कारण परवडणारे चीनी मॉडेल जागतिक स्तरावर AI दत्तक घेतात, निर्बंध असूनही एकूण गणना गरजा वाढवतात.
इंडस्ट्री पर्यवेक्षक V4 च्या 2026 च्या मध्यात रोलआउटची अपेक्षा करतात-फेब्रुवारी आणि मार्च विंडोच्या अफवा नंतर-ओपन-सोर्स गती वाढवण्यासाठी. कमी अनुमान खर्चात बंद मॉडेल्सशी जुळवून घेण्याचा डीपसीकचा नमुना सुरूच आहे, V4 ने आक्रमक किंमत राखण्याची अपेक्षा केली आहे. देशांतर्गत सेमीकंडक्टर कंपन्यांसह भागीदारी वाढत्या टेक डीकपलिंग दरम्यान AI स्वावलंबनासाठी बीजिंगच्या दबावाचे संकेत देते.
पाश्चिमात्य कंपन्या बलूनिंग प्रशिक्षण खर्चास सामोरे जात असताना लाँचचे आगमन झाले. डीपसीकच्या यशामुळे निर्यात नियंत्रण कार्यक्षमतेचे पुनर्मूल्यांकन करण्यास प्रवृत्त केले जाते, तज्ञांनी असे नमूद केले आहे की यामुळे अनवधानाने वाढीव सेवा मागणीद्वारे चिपच्या उत्पन्नात वाढ होऊ शकते. V4 ची मल्टीमोडल वैशिष्ट्ये आणि कोडींग कौशल्य चायनीज AI ला जागतिक विकासक वर्कफ्लोमध्ये खोलवर एम्बेड करू शकते.
धोरणात्मक परिणाम भू-राजकीय तंत्रज्ञान लढायांपर्यंत विस्तारित आहेत. हाय-एंड Nvidia हार्डवेअर गैर-आवश्यक असल्याचे सिद्ध करून, DeepSeek उदयोन्मुख बाजारपेठांना सामर्थ्य देते आणि पुरवठा साखळी वैविध्यपूर्ण करण्यासाठी सहयोगींना दबाव आणते. मॉडेल एआय इन्फ्रास्ट्रक्चरमध्ये चीनचे स्थान उंचावण्याचे वचन देते, जेथे किफायतशीर स्केलिंग प्रस्थापित नेत्यांना व्यत्यय आणते
Comments are closed.