# Сопутствующие статьи по теме DeepSeek

Новостной центр HTX предлагает последние статьи и углубленный анализ по "DeepSeek", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

DeepSeek переносит новую технологию на чипы Apple, ускоряя локальные большие модели на Mac на 60%

Технология DeepSeek DSpark, недавно представленная для серверных GPU, теперь адаптирована для чипов Apple Silicon в проекте mlx-dspark. Это первая нативная реализация, ускоряющая генерацию текста локальными большими языковыми моделями (LLM) на Mac. Инженер Abdur Rahim перенёс технологию "спекулятивного декодирования" (speculative decoding) в экосистему MLX. Этот метод использует небольшую "черновую" модель для быстрого создания нескольких кандидатов-токенов, которые затем проверяются основной целевой моделью. В результате модели Gemma-4 12B и Qwen3-4B на чипе M4 Pro показывают ускорение генерации примерно в 1.6 и 1.4 раза соответственно (до 30 и 73 токенов в секунду), сохраняя при этом точное соответствие выходным данным исходных моделей. Ключевые особенности реализации: * Поддержка как жадного декодирования, так и стохастической семплирующей генерации с температурой, что обеспечивает высокое качество и разнообразие вывода. * Использование 4-битной квантизации для черновой модели (размер ~1.8 ГБ) и 8-битной — для основной модели для оптимального баланса скорости и точности. * Интеграция альтернативного метода DFlash (от z-lab), который показывает ещё большее ускорение (до ~2.1x) на структурированных задачах, таких как генерация кода и математические вычисления, за счёт параллельного декодирования целых блоков токенов. Таким образом, mlx-dspark предоставляет гибкий инструмент для значительного ускорения работы LLM на устройствах Apple, поддерживая различные сценарии — от чата до программирования.

marsbit07/03 12:23

DeepSeek переносит новую технологию на чипы Apple, ускоряя локальные большие модели на Mac на 60%

marsbit07/03 12:23

Предсказания плей-офф Чемпионата мира: Насколько отличаются разные уровни ИИ?

Кубок мира: насколько различны прогнозы разных ИИ в плей-офф? В ходе нынешнего Кубка мира Odaily Planet Daily перед каждым матчем плей-офф запрашивал прогнозы у различных ИИ-моделей (ChatGPT, Grok, Qwen, DeepSeek, Gemini, Claude), а затем сравнивал их с реальными результатами. Наиболее запоминающимся стал точный прогноз DeepSeek и Gemini в матче Нидерланды – Марокко. Обе модели предсказали ничью в основное время и победу Марокко в серии пенальти, что полностью совпало с реальным исходом (1:1, 3:2 по пенальти). Gemini особенно точно описала сценарий матча. Grok и Qwen проявили себя как «специалисты по точному счету». Они верно предсказали конкретные результаты в нескольких матчах, где был явный фаворит: Канада 1:0 ЮАР, Бразилия 2:1 Япония, Норвегия 2:1 Кот-д’Ивуар. Их сила — в точном определении того, выиграет ли фаворит уверенно или с трудом. ChatGPT и Claude показали себя как «аналитики». Их прогнозы по итоговому счету часто были менее точны, но они регулярно верно указывали на потенциальные сложности для фаворитов и факторы, которые могут сделать матч напряженным (например, в матчах Бразилия – Япония или Англия – ДР Конго). Однако им не хватало решимости предсказать крупную сенсацию. Все модели единодушно ошиблись в матче Германия – Парагвай, предрекая легкую победу немцев. Ни одна не учла способность Парагвая затянуть матч и вывести его в серию пенальти, где Германия и проиграла. Вывод: не существует одной «самой точной» модели. У каждой свои сильные стороны: DeepSeek и Gemini смело предсказывают неочевидные исходы, Grok и Qwen точны в счете в матчах с фаворитом, а ChatGPT и Claude лучше всего анализируют потенциальный ход игры. Выбор модели зависит от того, что именно вам нужно: смелый прогноз на сенсацию, точный счет или глубокий анализ возможных сценариев матча.

Odaily星球日报07/02 01:45

Предсказания плей-офф Чемпионата мира: Насколько отличаются разные уровни ИИ?

Odaily星球日报07/02 01:45

Только что, DeepSeek V4 обновил DSpark, скорость вывода повысилась на 80%

DeepSeek выпустил фреймворк спекулятивного декодирования DSpark, который увеличивает скорость вывода DeepSeek-V4 на 80%. DSpark, развернутый в онлайн-трафике DeepSeek-V4 (Flash и Pro), сочетает высокопроизводительную «параллельную генерацию» с адаптивной «проверкой с учетом нагрузки». Он использует архитектуру полуавторегрессивной генерации для моделирования зависимостей внутри блоков токенов и аппаратно-ориентированное планирование проверки по уверенности для динамического определения оптимальной длины проверки для каждого запроса. В тестах DSpark превзошел современные авторегрессивные (Eagle3) и параллельные (DFlash) модели-черновики, повысив среднюю длину принятия на 26.7%-30.9% и 16.3%-18.4% соответственно. Вместе с DSpark был открыт исходный код DeepSpec — полного стека для обучения и оценки моделей-черновиков спекулятивного декодирования.

marsbit06/27 08:53

Только что, DeepSeek V4 обновил DSpark, скорость вывода повысилась на 80%

marsbit06/27 08:53

Сильное отступление рынка ИИ, момент GLM-5.2 от DeepSeek?

Во вторник акции, связанные с искусственным интеллектом (ИИ), столкнулись с самым резким с начала года давлением продаж. Коррекция началась на южнокорейском рынке, где ведущие компании цепочки поставок ИИ, такие как Samsung Electronics и SK Hynix, упали более чем на 10%, что привело к срабатыванию торгового останова на KOSPI. Волна распродаж затем перекинулась на США, где индекс Nasdaq упал на 2,2%, а акции в сфере ИИ и полупроводников стали аутсайдерами. Многие аналитики связывают эту коррекцию с выходом мощной китайской модели ИИ GLM-5.2 от компании Zhipu AI, что сравнивают с влиянием DeepSeek R1 в начале 2025 года. Появление сильных и доступных открытых моделей заставляет инвесторов переоценивать оправданность огромных затрат американских технологических гигантов (таких как Alphabet, Amazon, Meta) на инфраструктуру центров обработки данных. Рынок столкнулся с двойным давлением: растущими сомнениями в окупаемости инвестиций в ИИ и ожиданиями сохранения высоких процентных ставок в США из-за устойчивости экономики. Падение южнокорейских акций также могло усугубиться локальными факторами, включая критику регулятора в отношении одобрения рискованных ETF и решение MSCI не включать Южную Корею в список развитых рынков. Несмотря на резкую коррекцию, многие наблюдатели не считают, что история роста ИИ завершена. Такие аналитики, как Дэн Айвз из Wedbush, рассматривают это как необходимую «проверку на прочность» и коррекцию перегретого рынка на ранней стадии революции ИИ. Ключевой вопрос для инвесторов сместился с «будет ли рост ИИ» на «не слишком ли высока цена за этот рост», фокусируясь на том, какие компании смогут превратить капитальные затраты в денежный поток, а чьи оценки уже чрезмерны.

marsbit06/24 02:22

Сильное отступление рынка ИИ, момент GLM-5.2 от DeepSeek?

marsbit06/24 02:22

У Zhigu достигли триллиона, неужели DeepSeek далеко позади?

Заголовок: Чжипу достиг триллиона, далеко ли до DeepSeek? Китайская компания больших моделей Zhapu AI набрала рыночную капитализацию в 1,1 трлн гонконгских долларов, что вдвое больше Alibaba. Ее акции выросли на 1900% с начала года, хотя годовая выручка компании в 2025 году составила всего 7,24 млрд юаней при чистых убытках в 47,18 млрд юаней. Рост стоимости вызван запуском модели GLM-5.2, и рынок рассматривает Zhapu как китайский аналог Anthropic, которая достигла оценки в 965 млрд долларов США. Тем временем DeepSeek привлек финансирование, достигнув оценки в 50 млрд долларов США, а другие компании, такие как MiniMax и StepFun, также готовятся к IPO. Этот бум отражает растущую уверенность рынка в потенциале китайского сектора больших моделей ИИ. Однако сохраняются опасения по поводу пузыря, поскольку доходы и прибыльность компаний не поспевают за их оценками. Ключевой проблемой для отрасли является превращение технических возможностей моделей в стабильный коммерческий успех, как в случае с Anthropic, которая, как ожидается, выйдет на операционную прибыль.

marsbit06/22 23:25

У Zhigu достигли триллиона, неужели DeepSeek далеко позади?

marsbit06/22 23:25

История финансирования DeepSeek

**Сводка по истории финансирования DeepSeek** В мае DeepSeek провёл ключевую 4-часовую онлайн-встречу с инвесторами, на которой основатель Лян Вэньфэн изложил философию компании: фокус исключительно на развитии AGI (искусственного общего интеллекта), важность стабильности команды и принцип «меньше значит больше». Он подчеркнул, что DeepSeek — это «история о простых людях, совершающих необычные дела». Раунд финансирования стартовал в апреле с высокими планками: минимальный взнос 5 млрд юаней и чистая структура капитала в юанях. Из-за ограниченного числа фондов, способных на такие инвестиции, требования были смягчены до 1.5 млрд юаней, что позволило большему кругу инвесторов участвовать. В финальный список вошли 10 основных инвесторов, включая Monolith Capital (который увеличил свою долю до 3 млрд юаней), Zhenxingu Capital, IDG Capital и государственные фонды. Примечательно отсутствие таких гигантов, как Sequoia China и Hillhouse Capital, что стало неожиданностью для рынка. Глубокий анализ показывает, что в раунде косвенно участвуют около 100 организаций и частных лиц через различные инвестиционные фонды. Ключевым условием для всех инвесторов стало обязательство не переманивать сотрудников DeepSeek. Лян Вэньфэн рассматривает стабильность команды как самый важный фактор успеха. Несмотря на кажущийся консенсус вокруг этой инвестиции, многие видят в DeepSeek не просто финансовую возможность, а проект, несущий особую ценность для развития AGI в Китае. Некоторые инвесторы верят, что компания имеет потенциал стать крупнейшей по капитализации на китайском фондовом рынке. Сделка была отмечена атмосферой сдержанности и уважения к миссии DeepSeek, выраженной в её девизе: «Не соблазняться славой, не бояться клеветы, идти путём принципов и исправлять себя».

marsbit06/18 02:09

История финансирования DeepSeek

marsbit06/18 02:09

WeChat Agent выпускает "Указ героя", половина интернет-индустрии откликается

Искусственный интеллект WeChat AI скоро появится. Платформа WeChat Open Platform выпустила руководство для разработчиков по интеграции с экосистемой WeChat AI. Это позволит мини-программам (mini-programs) быть рекомендованными и вызываемыми AI. Уже такие сервисы, как Meituan, Ctrip и Tuniu, объявили о подключении. Согласно демонстрациям, пользователь сможет через диалоговое окно AI Agent давать инструкции, например, заказать кофе. Агент автоматически вызовет соответствующую мини-программу для выполнения задачи. Ключевая особенность WeChat AI — возможность управления всей экосистемой WeChat, включая сотни миллионов мини-программ, социальные связи, платежи и контент. Его цель — замкнуть цикл от понимания задачи до её исполнения. Технически это сложная задача: понимание контекста и намерений пользователя в длинных диалогах, вызов правильных инструментов (поиск, мини-программы, оплата), предсказание результатов действий через мировую модель UI-Oceanus, а также контроль затрат и координация экосистемы. WeChat — идеальный контекст для такого агента благодаря своим социальным связям, мини-программам, платежам и контенту. Различные AI-продукты Tencent, такие как Yuanbao и WorkBuddy, через механизм Co-Design накапливают способности (чат, поиск, планирование задач), которые затем будут использованы в WeChat AI. Tencent выбирает для взаимодействия с другими платформами (например, смартфонами) протокол Agent-to-Agent (A2A), а не подход GUI (чтение экрана), чтобы сохранить контроль над экосистемой и безопасностью. Интеграция с недорогой моделью DeepSeek может помочь контролировать огромные затраты на обслуживание 1,432 млрд пользователей. Мысль заключается в использовании небольших моделей для простых задач и мощных — для сложных. Ожидается, что WeChat AI будет иметь большое практическое значение как для обычных пользователей, так и для предприятий, автоматизируя повседневные задачи. Как заявил научный руководитель Tencent по AI Яо Шуньюй, главное — найти и решить «хорошие проблемы», а не гнаться за рейтингами. Успех WeChat AI может стать ключевым ответом Tencent в следующем этапе развития искусственного интеллекта.

marsbit06/09 04:20

WeChat Agent выпускает "Указ героя", половина интернет-индустрии откликается

marsbit06/09 04:20

Может ли DeepSeek сэкономить Китаю 1 триллион долларов?

Статья анализирует, как DeepSeek может радикально снизить затраты на инфраструктуру искусственного интеллекта в Китае за счет повышения эффективности оборудования, а не за счет снижения цен на чипы. Основная проблема современного ИИ — высокая зависимость от дорогих и дефицитных компонентов, особенно памяти HBM. В статье на примере будущей платформы Nvidia Vera Rubin (стоимостью около $7,8 млн) показано, как быстро растут расходы на память. DeepSeek атакует эту проблему с помощью трех ключевых технологий в своей модели V4: 1. **Сжатие «памяти» (контекста):** Технология Multi-head Latent Attention (MLA) кардинально сокращает объем кэша KV, необходимого для длинных контекстов, без потери качества, что высвобождает дорогую память HBM. 2. **Эффективное использование «тела» модели:** Применяя архитектуру Mixture of Experts (MoE) и интеллектуальное распределение параметров, модель активирует только небольшую часть своих «экспертов» для каждой задачи, уменьшая нагрузку на высокоскоростную память. 3. **Повторное использование вычислений:** Система кэширования позволяет повторно использовать ранее вычисленные результаты (например, при многократном чтении одного документа), заменяя дорогие вычисления дешевым чтением из памяти. В совокупности эти инновации позволяют, согласно автору, увеличить эффективную пропускную способность (производство токенов) на одном аппаратном обеспечении в 4 раза. Это эквивалентно экономии 75% капитальных затрат на оборудование для достижения того же уровня производительности. В перспективе, с ростом ежедневного потребления токенов в Китае до триллионов, такая эффективность может привести к колоссальной экономии на строительстве дата-центров. Автор приводит расчет: если технология DeepSeek позволит избежать необходимости построить эквивалент 3,5 тыс. вычислительных центров (примерная стоимость — 2 млрд юаней каждый), общая экономия может приблизиться к 1 трлн долларов. Таким образом, стратегическая цель DeepSeek — не просто сделать API дешевле, а изменить саму экономику ИИ-инфраструктуры. Это смещает фокус стоимости с самых дефицитных и уязвимых компонентов (передовые GPU и HBM) в сторону более доступных областей (оптимизация ПО, системная инженерия, стандартная память), где Китай имеет больше возможностей для развития. В итоге это может сделать передовые возможности ИИ более доступными для китайской промышленности.

marsbit06/03 00:49

Может ли DeepSeek сэкономить Китаю 1 триллион долларов?

marsbit06/03 00:49

Путь DeepSeek к 10 триллионам долларов: Используя открытый код, чтобы затронуть триллионные аппаратные экосистемы

Статья анализирует стратегию компании DeepSeek, предполагая, что её конечная цель выходит за рамки прямой монетизации моделей через подписки или API. Вместо этого, DeepSeek, по мнению автора, стремится радикально изменить экономику искусственного интеллекта за счёт фундаментальных инноваций в архитектуре моделей, что позволит снизить зависимость от дорогих и дефицитных компонентов, таких как HBM и мощные GPU. Ключевые технические достижения DeepSeek — это модели смешанных экспертов (MoE), механизмы MLA, DSA, CSA и Engram, которые значительно сокращают объём KV Cache и потребность в вычислительных ресурсах. Это открывает возможность эффективного использования более доступных аппаратных компонентов: NAND/SSD для длительного хранения кэша и LPDDR для потоковой загрузки весов моделей и хранения Engram. Такие инновации могут стимулировать развитие нового, более доступного аппаратного экосистемы для ИИ, в частности, в Китае, где есть сильные производители памяти, но отставание в передовых чипах. Таким образом, стратегия DeepSeek видится как игра на создание экосистемы стоимостью в триллионы долларов. Делая обучение и вывод ИИ-моделей значительно дешевле и менее зависимым от западных технологий, компания может претендовать на долю в этом будущем рынке, достигая собственной оценки в $1 трлн. Её открытый подход и сотрудничество с производителями оборудования (по аналогии со сделками OpenAI и AMD) могут стать основой для долгосрочного успеха, а не просто сиюминутной прибыли.

marsbit05/25 13:15

Путь DeepSeek к 10 триллионам долларов: Используя открытый код, чтобы затронуть триллионные аппаратные экосистемы

marsbit05/25 13:15

Информированные источники: DeepSeek формирует команду Harness для конкуренции с Claude Code

По информации из источников, близких к DeepSeek, компания формирует новую команду **Harness** для разработки продукта в области интеллектуальных агентов для программирования, который будет напрямую конкурировать с **Claude Code** от Anthropic. Это подтвердил старший научный сотрудник DeepSeek Чэнь Дэли. DeepSeek открывает ключевые вакансии: менеджер продукта и инженер-разработчик для Harness. В описании позиций представлена ключевая формула: **Model + Harness = Agent**. Это отражает видение компании: сама модель является лишь основой агента, а реальную ценность и возможность интеграции в рабочий процесс обеспечивает Harness — система, отвечающая за управление контекстом, вызов инструментов, планирование задач, чтение/запись файлов, выполнение кода в терминале и сбор обратной связи. Цель DeepSeek — не просто создать плагин-помощник для IDE, а построить критически важный промежуточный слой, который свяжет мощную модель с реальными инженерными рабочими процессами разработчиков. Ключевая задача Harness-команды — не только создать продукт, но и обеспечить совместную эволюцию модели и её "узды", превращая реальные задачи в источник данных для улучшения модели. Ранее в сообществе разработчиков набрал популярность сторонний opensource-проект **DeepSeek-TUI**, который по сути стал неофициальной версией "DeepSeek-Code". Его успех показал, что существует спрос на такой продукт, а модель DeepSeek имеет необходимый потенциал. Теперь компания намерена официально выйти на этот рынок, используя свои преимущества: прямой доступ к команде разработки моделей, возможность создания замкнутого цикла данных для обучения и долгосрочное развитие экосистемы. Война моделей сменяется войной агентов, и DeepSeek намерена дать своей модели "руки" для работы в реальном мире.

链捕手05/22 02:16

Информированные источники: DeepSeek формирует команду Harness для конкуренции с Claude Code

链捕手05/22 02:16

活动图片

Популярные категорииright-arrow

Популярные тегиright-arrow