La semaine dernière, DeepSeek a annoncé qu'il ouvrirait la source de cinq projets la semaine prochaine : les internautes ont déclaré : « Cette fois, OpenAI est vraiment là. » Tout à l'heure, le premier projet open source est arrivé, lié à l'accélération de l'inférence, FlashMLA : Adresse du projet open source : DeepSeek FlashMLA Il est open source depuis deux heures, et Github a déjà plus de 2,7 k étoiles : Le…
FlashMLA a rapidement attiré l’attention dans le monde de l’intelligence artificielle, notamment dans le domaine des grands modèles de langage (LLM). Cet outil innovant, développé par DeepSeek, sert de noyau de décodage optimisé conçu pour les GPU Hopper, des puces hautes performances couramment utilisées dans les calculs d’IA. FlashMLA se concentre sur le traitement efficace de séquences de longueur variable, ce qui le rend particulièrement bien adapté…
Introduction Aujourd'hui, les grands modèles de langage (LLM) jouent un rôle crucial. Début 2025, alors que la concurrence pour l'IA s'intensifiait, Alibaba a lancé le nouveau modèle d'IA Qwen2.5-max, et DeepSeek, une société de Hangzhou, en Chine, a lancé le modèle R1, qui représente le summum de la technologie LLM. Deepseek R1 est un modèle d'IA open source qui a attiré…
Le modèle d'inférence 32B n'utilise que 1/8 des données et est à égalité avec DeepSeek-R1 de la même taille ! À l'heure actuelle, des institutions telles que Stanford, UC Berkeley et l'Université de Washington ont publié conjointement un modèle d'inférence de niveau SOTA, OpenThinker-32B, et ont également ouvert le code source de jusqu'à 114 000 données d'entraînement. Page d'accueil du projet OpenThinker : OpenThinker Hugging Face :…
De nombreuses personnes ont déjà commencé à déployer et à utiliser les modèles de langage larges Deepseek localement, en utilisant Chatbox comme outil de visualisation. Cet article continuera à présenter deux autres artefacts de gestion et de visualisation de modèles de langage larges d'IA, et comparera les trois en détail pour vous aider à utiliser les modèles de langage larges d'IA plus efficacement. En 2025,…
Le 9 février, le président français Emmanuel Macron a annoncé que la France investirait 109 milliards d’euros (113 milliards de dollars américains) dans le domaine de l’IA au cours des prochaines années. Cet investissement servira à construire un parc d’IA en France, à améliorer les infrastructures et à investir dans des start-ups locales en IA. Pendant ce temps, Mistral, une start-up française,…
La véritable valeur de DeepSeek est sous-estimée ! DeepSeek-R1 a sans aucun doute apporté une nouvelle vague d'enthousiasme sur le marché. Non seulement les cibles de bénéficiaires concernées augmentent considérablement, mais certaines personnes ont même développé des cours et des logiciels liés à DeepSeek pour tenter d'en tirer profit. Nous pensons que bien que ces phénomènes aient un impact…
Analyse des avantages de base et positionnement des fonctions ChatGPT (OpenAI) – la référence mondiale pour les polyvalents ChatGPT Gènes techniques : IA générative basée sur la série GPT de grands modèles, avec des compétences conversationnelles générales et un raisonnement logique comme principaux avantages. Traitement multilingue : fonctionne mieux en anglais, avec une amélioration continue en chinois ; mais nous recommandons d'utiliser l'anglais pour…
Aujourd'hui, j'aimerais partager un article de DeepSeek, intitulé DeepSeekMath : repousser les limites du raisonnement mathématique dans les modèles de langage ouvert. Cet article présente DeepSeekMath 7B, qui est pré-entraîné sur DeepSeek-Coder-Base-v1.5 7B basé sur une collection de 120 B de jetons liés aux mathématiques, de langage naturel et de données de code. Le modèle a obtenu un score étonnant de 51,71 TP11T au niveau compétitif…
Aujourd'hui, nous allons partager DeepSeek R1, titre : DeepSeek-R1 : Incitation à la capacité de raisonnement dans les LLM via l'apprentissage par renforcement : Incitation à la capacité de raisonnement des LLM via l'apprentissage par renforcement. Cet article présente la première génération de modèles de raisonnement de DeepSeek, DeepSeek-R1-Zero et DeepSeek-R1. Le modèle DeepSeek-R1-Zero a été formé par apprentissage par renforcement à grande échelle (RL) sans réglage fin supervisé (SFT) comme étape initiale,…
