DeepSeek — китайская компания и языковые модели¶
DeepSeek — китайская технологическая компания и семейство больших языковых моделей (LLM), разработанных ею. Компания основана в 2023 году в Ханчжоу (провинция Чжэцзян) предпринимателем Лян Вэньфэном, который также является основателем инвестиционного фонда High-Flyer. DeepSeek специализируется на разработке моделей искусственного интеллекта с открытыми весами, ориентированных на генерацию текста, программирование и решение задач, требующих логических рассуждений. Отличительной чертой компании стала публикация технических отчётов и открытая раздача части моделей, что сделало её заметным явлением в мировой сфере ИИ.
¶История
Компания DeepSeek была зарегистрирована в июле 2023 года. Её создание связывают с фондом High-Flyer, который занимался количественной торговлей и накопил вычислительные ресурсы для обучения нейросетей. Лян Вэньфэн выступил инициатором проекта и обеспечил финансирование закупок графических ускорителей.
В ноябре 2023 года были представлены первые модели серии DeepSeek Coder, ориентированные на генерацию и анализ программного кода. В 2024 году компания выпустила линейку DeepSeek-V2 и DeepSeek-V3 — универсальные языковые модели, а также специализированные версии для математики и рассуждений. Наибольшую известность компании принесла модель DeepSeek-R1, представленная в начале 2025 года и предназначенная для пошаговых логических рассуждений. Её публикация с открытыми весами вызвала широкий резонанс на мировом рынке, поскольку продемонстрировала высокие результаты при относительно скромных, по заявлениям разработчиков, затратах на обучение.
¶Технические особенности
DeepSeek использует архитектуру на основе трансформеров с рядом модификаций, направленных на снижение вычислительных затрат.
- Mixture of Experts (MoE) — разреженная архитектура, при которой в обработке каждого запроса участвует лишь часть параметров модели, что снижает стоимость вычислений.
- Multi-head Latent Attention (MLA) — механизм внимания, сокращающий объём памяти, необходимый для хранения кэша ключей и значений.
- Обучение с подкреплением — применяется для настройки моделей рассуждений, в том числе методы, стимулирующие модель строить длинные цепочки рассуждений перед выдачей ответа.
- Открытые веса — значительная часть моделей распространяется по лицензиям, допускающим использование и доработку.
Модели семейства различаются по числу параметров и назначению: версии Coder ориентированы на программирование, версии V — на общие задачи, версии R — на рассуждения.
¶Продукты и применение
Основные продукты компании включают:
| Название | Назначение |
|---|---|
| DeepSeek Coder | генерация и анализ кода |
| DeepSeek-V2, V3 | универсальные языковые задачи |
| DeepSeek-R1 | логические рассуждения, математика |
| DeepSeek Math | математические вычисления |
Модели применяются для написания и отладки программного кода, обработки текстов, перевода, составления документов, решения математических и аналитических задач. Доступ к ним предоставляется как через веб-интерфейс и мобильное приложение, так и через программный интерфейс (API), что позволяет встраивать их в сторонние сервисы. Открытые веса дают возможность запускать модели на собственных серверах, в том числе в организациях, предъявляющих повышенные требования к защите данных.
¶Значение и реакция рынка
Появление DeepSeek-R1 в январе 2025 года вызвало заметную реакцию в мировой ИТ-отрасли. Сообщалось о снижении капитализации ряда крупных технологических компаний, а также о пересмотре оценок затрат, необходимых для создания конкурентоспособных языковых моделей. Дискуссия затронула вопросы эффективности обучения, доступности вычислительных ресурсов и конкуренции в сфере генеративного ИИ.
Модели DeepSeek активно используются в Китае и за его пределами, в том числе разработчиками и исследовательскими группами. Открытая публикация весов способствовала появлению множества производных версий, дообученных под конкретные задачи.
¶Ограничения и критика
Как и другие большие языковые модели, DeepSeek подвержена генерации недостоверных сведений (так называемых галлюцинаций), может допускать ошибки в фактах и вычислениях. Существуют ограничения, связанные с обработкой персональных данных и соблюдением локальных норм регулирования: в ряде стран и ведомств доступ к сервису ограничивался или запрещался на рабочих устройствах из соображений информационной безопасности. Кроме того, обсуждаются вопросы авторских прав на данные, использованные при обучении, — эта проблема характерна для всей отрасли генеративного ИИ.
¶Источники
- Технические отчёты и публикации компании DeepSeek
- Материалы международных технологических изданий о выходе моделей DeepSeek-V3 и DeepSeek-R1
- Обзоры архитектур больших языковых моделей (Mixture of Experts, механизмы внимания)
