Chińska firma poinformowała, że ​​jej ulepszony model Qwen2.5-Max AI uzyskał lepsze wyniki niż DeepSeek V3 i Meta Llama 3.1

Kilka dni po tym, DeepSeek spowodował globalne załamanie na rynku akcji bigtechów, jej rodzimy rywal poinformował, że jego nowy model sztucznej inteligencji osiągnął jeszcze lepsze wyniki.

Model Llama 3.1 w różnych testach porównawczych, zgodnie z wynikami opublikowanymi przez firmę na WeChat. Spółka zależna Alibaba Group zajmująca się przetwarzaniem w chmurze odkryła również, że jej Qwen2.5-Max wykazał porównywalną wydajność do GPT-4 firmy OpenAI i Claude 3.5 Sonnet firmy Anthropic — oba modele o zamkniętym kodzie źródłowym.

Chińska firma stwierdziła, że ​​jej model sztucznej inteligencji „wykazał się wiodącą na świecie wydajnością w głównych, autorytatywnych testach porównawczych”, w tym w Massive Multitask Language Understanding (MMLU), który ocenia wiedzę ogólną, oraz LiveCodeBench, który testuje umiejętności kodowania.

Ogłoszenie Qwen2.5-Max nastąpiło po wprowadzeniu przez firmę DeepSeek w ubiegłym tygodniu pierwszej generacji modeli wnioskowania DeepSeek-R1 , które zgodnie z dokumentem technicznym wykazały się wydajnością porównywalną do modeli wnioskowania OpenAI, O1-mini i O1, w kilku testach branżowych .

Wydanie DeepSeek-R1 spowodowało spadek kontraktów terminowych na Nasdaq, Dow Jones Industrial Average i S&P 500 w poniedziałkowy poranek. Nvidia akcje spadły o 17%, tracąc prawie 600 miliardów dolarów wartości — to rekordowa strata dla amerykańskiej firmy.

Inwestorzy byli przerażeni premierą DeepSeek-R1, która nastąpiła po grudniowej premierze DeepSeek-V3.

Podczas gdy Alibaba Cloud nie ujawniła kosztów rozwoju, twierdzenie DeepSeek, że zbudowała swój model za zaledwie 5,6 miliona dolarów, korzystając z procesorów graficznych o zmniejszonej wydajności firmy Nvidia, przykuło uwagę rynku, podważając założenia dotyczące ogromnych inwestycji potrzebnych do rozwoju AI .

Według dokumentu technicznego, DeepSeek użył klastra składającego się z nieco poniżej 2050 chipów Nvidia H800 do trenowania swojego modelu V3 — mniej wydajnej wersji chipa H100 tego producenta, którą może sprzedawać chińskim firmom na mocy amerykańskich ograniczeń dotyczących chipów. Klaster jest również znacznie mniejszy niż dziesiątki tysięcy chipów, których amerykańskie firmy używają do trenowania modeli o podobnej wielkości.

Publikacja DeepSeek poddała w wątpliwość dziesiątki miliardów dolarów wydanych przez duże firmy technologiczne na sztuczną inteligencję przed opublikowaniem wyników finansowych, a także skuteczność wysiłków USA mających na celu ograniczenie wprowadzania zaawansowanych układów scalonych na rynek USA.