Китайская компания DeepSeek, основанная Лян Вэньфаном (Liang Wenfang) в 2023 году, в январе 2025 года выпустила на рынок недорогую и высокопроизводительную нейронную сеть с открытым кодом. Ее модели искусственного интеллекта (ИИ) R1 и V3 — это большие языковые модели (Large language model — LLM). Они не уступают ведущим моделям отрасли, но при этом стоят кратно дешевле. DeepSeek программирует, рисует, пишет и анализирует без подписки и практически без ограничений. За короткое время приложение DeepSeek стремительно заняло в США первое место по количеству загрузок в App Store компании Apple и Google Play Store. DeepSeek представляет собой новое направление в создании открытых,экономически эффективных и мощных моделей ИИ, которые способны бросить вызов лидерам отрасли.
Что такое DeepSeek и как работает?
Китайская нейросеть DeepSeek предлагает открытый исходный код и возможность локального запуска. Компании и энтузиасты могут запустить ИИ на собственном оборудовании, самостоятельно контролировать обработку данных и сохранность конфиденциальных данных. Модель DeepSeek R1 Содержит 671 млрд параметров и обучена на огромном массиве данных. Характеристики сопоставимы с характеристиками последних версий ChatGPT. Правда, DeepSeek со ссылками работает не всегда корректно и может быть недостаточно точной при работе оффлайн. К тому же китайский чат-бот имеет специфические ограничения. Система осторожно подходит к политическим темам, связанным с Китаем. Например, она отказывается отвечать совсем или дает только информацию, соответствующую официальной позиции правительства страны — при обсуждении событий на площади Тяньаньмэнь в 1989 году, независимости Тайваня или положения уйгуров.
Читайте также
Так ли умны «умные контракты»? Тенденции, риски, пути к устойчивости
Что касается конкретных задач, то на данный момент китайский чат-бот DeepSeek лучше всего подходит для работы с текстовыми данными и кодом. Для обработки изображений, видео или аудио требуются дополнительные технологии или интеграция с другими платформами.
Чем DeepSeek отличается от других нейросетей?
DeepSeek достиг высоких результатов производительности благодаря эффективной модели обучения нейросети, которая оказалась существенно дешевле подходов конкурентов. К тому же DeepSeek строится на архитектуре «сочетания экспертов» (Mixture of Experts — MoE). Ее суть — в том, что данные обрабатываются раздельно, а к каждой группе данных применяется наиболее подходящая их характеру экспертность обработки. Такой подход позволил DeepSeek обучить свои модели за короткое время на кластере из 2000 доступных видеокарт Nvidia H800. Другим компаниям на такую работу требуются гораздо больше времени и целые дата-центры с 16000 карт. В результате на запуск чат-бота компании DeepSeek потребовалось около $5,6 млн, что почти в 20 раз меньше, чем конкурентам.
Модель ИИ DeepSeek R1 использует обучение с подкреплением (Reinforcement Learning — RL). Это более эффективный метод машинного обучения, чем традиционная управляемая тонкая настройка. Эффективность и экономичность DeepSeek R1 также во многом обусловлены архитектурой MoE, которая позволяет активировать только наиболее релевантные подмодели (эксперты) для конкретной задачи, что значительно снижает вычислительные затраты. Ее 671 млрд параметров организованы в несколько экспертных сетей, но за один проход задействуется только 37 млрд. Это должно гарантировать, что модель использует только необходимые для выполнения задачи. Модель поддерживает контекстное окно длиной до 128 тыс. токенов, что позволяет ей эффективно работать с длинными текстами и сложными задачами.
Обучение с подкреплением (RL) является малозатратным методом машинного обучения. Для оценки его результатов не привлекаются «эксперты», достаточно, например, привлечь обученную нейронную сеть. Это снижает затраты на вычисления и нагрузку на память. Холодный старт (Cold Start) также был одним из методов обучения. Он подразумевает, что модель начинает обучение с небольшого набора данных. Это позволяет ей скорее адаптироваться к задачам и улучшить способности к рассуждению. Еще в обучении применяется дистилляция — DeepSeek R1 используется для создания компактных моделей (например, с 1,5 млрд, 7 млрд и 32 млрд параметров), которые сохраняют высокую производительность, что делает их доступными для работы на менее мощных устройствах.
В эксплуатации китайская модель ИИ также оказалась дешевле конкурентов. Если сравнивать DeepSeek R1 с близкой ей по характеристикам моделью OpenAI o1, входная цена 1 млн токенов (затраты на обработку 1 млн элементов входной информации) будет $0,14 против $15. Выходная цена 1 млн токенов — $2,19, а у американской — $60. Получается, что стоимость работы DeepSeek в 100 раз дешевле на входе и в 30 раз дешевле на выходе. Как и o1 от OpenAI, R1 — модель рассуждений. То есть она имитирует процесс рассуждений эксперта. Такая модель требует меньше памяти, что дополнительно снижает затраты на решение задач.
Кроме этого китайская нейросеть DeepSeek может работать локально. Это означает, что нейронная сеть может быть развернута на оборудовании пользователя. Такой подход обеспечивает конфиденциальность обрабатываемых данных. В этом случае системе не понадобится интернет-соединение. Открытый код позволяет настраивать и модернизировать нейросеть под конкретные задачи, интегрировать в актуальные проекты и обучать на собственных данных. Пользователь становится разработчиком и получает полный контроль над процессом обработки информации.
Сравнение модели R1 от DeepSeek с o1 от OpenAI показало, что в плане производительности они работают практически наравне. Разные тесты дали близкие результаты. Таким образом, R1 действительно может составить конкуренцию известным моделям ИИ, включая модели от OpenAI. Но только в плане экономичности. DeepSeek станет альтернативой для тех компаний, которым коммерческие модели оказываются дороги: некоторые компании с трудом покрывают расходы на обучение и ведение специализированных LLM.
Как пользоваться китайской нейросетью?
Для использования DeepSeek можно скачать и установить мобильное приложение для Android или iOS. Работает также браузерная версия по адресу https://chat.deepseek.com, где любой желающий может зарегистрироваться и начать пользоваться нейросетью. Она доступна без VPN.
Интерфейс со строкой чат-бота и расположенным по левую сторону списком предыдущих диалогов напоминает интерфейсы других моделей ИИ. В строке ввода запросов есть кнопки «DeepThink (R1)», «Search» и кнопка с изображением скрепки. Соответственно, для подключения дополнительных функций — рассуждений, web-поиска и для отправки файлов.
После регистрации или входа можно начинать диалог с нейросетью. Для этого необходимо ввести запрос, текст, изображение или другой тип данных, в зависимости от задачи. Затем надо нажать кнопку запуска обработки, она к этому моменту станет активной справа внизу строки ввода. Нейросеть обработает данные и выдаст результат. Например, сгенерирует текст, составит ответ на вопрос или обработает изображение. При необходимости можно скорректировать запрос и повторить процесс.
Сложные вопросы, требующие более глубоких рассуждений, математических доказательств или расширенного рассмотрения, стоит задавать с включенным режимом глубокого мышления (кнопка DeepThink в окне ввода запросов). При этом подключается модель R1, и ответ формируется в более развернутом виде. Для получения ответов на сложные задачи можно разделить запрос на несколько структурированных частей. Это позволит разбить решение на этапы и продвигаться последовательными уточнениями. В этом случае есть возможность переформулировать запрос для получения более корректного ответа и избежать повторений и неточностей. При анализе документов их также стоит направлять небольшими группами или по очереди. Это оптимизирует работу нейросети.
Что умеет DeepSeek?
DeepSeek отвечает на запросы, как привычный чат-бот. При этом умеет писать код на распространенных языках программирования, генерировать тексты разного формата, стиля и назначения. Он может объяснить сложные вопросы по заданным пользователем темам. Занимается поиском информации в интернете. А также дает развернутые ответы — китайский чат-бот DeepSeek оценивает поставленную задачу, делит ее на части и объясняет логику. Более сложные задачи программирования этой модели ИИ также по плечу: создание фрагментов программ с комментариями возможных ошибок и формирование решений типичных задач.
При анализе информации нейросеть помогает находить скрытые закономерности и обрабатывать большие объемы данных. Это могут быть отзывы пользователей, реестры платежей или данные трейдеров, где надо выявлять основные тренды или находить точки роста.
Нейросеть поддерживает много языков, в том числе и русский. Это позволяет решать некоторые креативные задачи, связанные с генерацией текста, поиском рекламных концепций или разработкой стиля. К тому же у DeepSeek есть доступ в интернет и умение собирать актуальные данные. Ответы могут быть сопровождены ссылками без явных ограничений на количество. Поэтому DeepSeek можно использовать как поисковик. Однако со внешними документами нейросеть не работает. Если попросить сделать обзор текста по ссылке, в ответ попросит предоставить ей этот текст. Например, в виде документа — с документами DeepSeek работает хорошо. ИИ извлекает информацию из PDF-файлов, сканированных и сфотографированных документов.
Языковые модели DeepSeek
Языковые модели DeepSeek предназначены для обработки, анализа и генерации текста на естественном языке. Они могут использоваться для решения широкого спектра задач, таких как машинный перевод, генерация текста, классификация, ответы на вопросы и многое другое.
DeepSeek представила сразу две языковые модели, R1 и V3. V3 построена на архитектуре MoE и пригодна для разных задач. Она эффективна в математике, обработке больших объемов данных, текстах и мультиязычных задачах. Для обработки токена — минимального элемента текста (для русского языка токен будет размером примерно со слог слова)— активируется 37 млрд параметров из общих 671 млрд.
В отличие от V3, R1 настроена на логические рассуждения и хорошо справляется со сложным анализом и программированием.
Модели используются для создания интеллектуальных систем, способных вести диалог с пользователями. Это чат-боты и виртуальные помощники. Они пригодны для анализа текста — классифицируют, извлекают информацию, анализируют тональность. Успешно занимаются машинным переводом текста с сохранением смысла. По силам им и генерация контента при создании статей, описаний и рекламных текстов.
Какие типы данных DeepSeek может обрабатывать?
DeepSeek в основном хорошо справляется с обработкой текстовых данных. Текст — это и есть основная специализация DeepSeek. Модели могут анализировать и классифицировать тексты, генерировать контент для создание статей, ответов на вопросы и диалогов, заниматься автоматическим переводом и программировать. Работы по программированию включают анализ заданий, генерацию и исправление программного кода на разных языках (например, Python, JavaScript), оптимизацию. Нейросеть может создать фрагменты кода на основе текстового описания, генерировать комментарии или документацию.
DeepSeek может анализировать структурированные данные, такие как таблицы, если они сопровождаются текстовыми описаниями или запросами. Это могут быть ответы на вопросы, основанные на данных из таблиц, генерация отчетов или аналитических выводов.
Прямая обработка изображений не является функцией DeepSeek. Однако, если изображения сопровождаются текстовыми описаниями, DeepSeek может обрабатывать эту текстовую информацию. Для анализа изображений и видео требуются специализированные модели компьютерного зрения. DeepSeek может интегрироваться с другими платформами или моделями, специализирующимися на компьютерном зрении.
Разработчики недавно представили DeepSeek-VL2, усовершенствованную серию MoE-моделей Vision-Language для обработки графики. Она продемонстрировала визуальные ответы на вопросы, оптическое распознавание символов, понимание документов, таблиц и диаграмм. Тестовая серия моделей состоит из трех вариантов: DeepSeek-VL2-Tiny, DeepSeek-VL2-Small и DeepSeek-VL2 с 1 млрд, 2,8 млрд и 4,5 млрд активированных параметров соотвественно. Основная специализация моделей — оптическое распознавание текста. В настоящее время они доступны в репозитории Github.
Помимо рассмотренных моделей ИИ, компания DeepSeek развивает другие нейросети. Это, например, модель машинного обучения для генерации кода DeepSeekCoder-V2, нейросеть для решения математических задач DeepSeek-Math и модель машинного обучения для распознавания изображений и генерации картинок Janus-Pro. Некоторые из них можно проверить в работе, в тестовом режиме они доступны через web-интерфейс.
Безопасна ли китайская нейросеть?
DeepSeek по многим параметрам соответствует другим популярным моделям ИИ. Кроме того, она бесплатная, что способствовало всплеску популярности. Но вскоре первоначальный энтузиазм сменился подозрением, обвинениями в утечках данных, мошенничестве и недоверии. К тому же исследователи из американской компании Wiz Research, специализирующейся на кибербезопасности, обнаружили в открытом доступе конфиденциальную информацию из баз данных DeepSeek.
Впоследствии Италия, Таиланд, Тайвань и отдельные штаты США запретили китайскую модель ИИ. А NASA и ВМС США запретили ее использование на государственных устройствах. Власти Греции, Ирландии, Бельгии и Франции рассматривают возможность аналогичных запретов. Они подозревают стартап в утечке данных и возможной слежке со стороны китайского правительства. Будучи китайской компанией, DeepSeek в любой момент может получить приказ поделиться данными с китайскими спецслужбами, что угрожает безопасности другого государства.
Однако, в то время как многие организации и правительства запретили DeepSeek, миллионы людей доверяют свои личные поисковые запросы этому новому чат-боту на основе ИИ.
Меню 
Знания 
События 
Новости 
Курсы валют