Na semana passada, o DeepSeek anunciou que disponibilizaria cinco projetos de código aberto na próxima semana: Os internautas disseram: "Desta vez, o OpenAI realmente está aqui". Agora mesmo, o primeiro projeto de código aberto chegou, relacionado à aceleração de inferência, FlashMLA: Endereço do projeto de código aberto: DeepSeek FlashMLA Ele está com código aberto há duas horas, e o Github já tem mais de 2,7 mil estrelas: O…
O FlashMLA rapidamente ganhou atenção no mundo da inteligência artificial, particularmente no campo de modelos de linguagem grandes (LLMs). Esta ferramenta inovadora, desenvolvida pela DeepSeek, serve como um kernel de decodificação otimizado projetado para GPUs Hopper — chips de alto desempenho comumente usados em computações de IA. O FlashMLA foca no processamento eficiente de sequências de comprimento variável, tornando-o particularmente adequado…
Introdução Hoje, os modelos de linguagem grande (LLMs) desempenham um papel crucial. No início de 2025, conforme a competição por IA se intensificou, a Alibaba lançou o novo modelo de IA Qwen2.5-max, e a DeepSeek, uma empresa de Hangzhou, China, lançou o modelo R1, que representa o auge da tecnologia LLM. O Deepseek R1 é um modelo de IA de código aberto que atraiu…
O modelo de inferência 32B usa apenas 1/8 dos dados e está empatado com DeepSeek-R1 do mesmo tamanho! Agora mesmo, instituições como Stanford, UC Berkeley e a Universidade de Washington lançaram em conjunto um modelo de inferência de nível SOTA, OpenThinker-32B, e também disponibilizaram de código aberto até 114 mil dados de treinamento. Página inicial do Projeto OpenThinker: OpenThinker Hugging Face:…
Muitas pessoas já começaram a implantar e usar o Deepseek Large Language Models localmente, usando o Chatbox como uma ferramenta de visualização. Este artigo continuará a apresentar dois outros artefatos de gerenciamento e visualização do AI Large Language Model e comparará os três em detalhes para ajudar você a usar o AI Large Language Models de forma mais eficiente. Em 2025,…
Em 9 de fevereiro, o presidente francês Emmanuel Macron anunciou que a França investiria 109 bilhões de euros (113 bilhões de dólares americanos) no campo da IA nos próximos anos. Esse investimento será usado para construir um parque de IA na França, melhorar a infraestrutura e investir em startups locais de IA. Enquanto isso, a Mistral, uma startup francesa,…
O verdadeiro valor do DeepSeek é subestimado! O DeepSeek-R1 sem dúvida trouxe uma nova onda de entusiasmo ao mercado. Não apenas os chamados alvos beneficiários relevantes estão aumentando acentuadamente, mas algumas pessoas até desenvolveram cursos e softwares relacionados ao DeepSeek na tentativa de ganhar dinheiro com isso. Acreditamos que, embora esses fenômenos tenham um…
Posicionamento de função e análise de vantagem central ChatGPT (OpenAI) – o benchmark global para polivalentes ChatGPT Genes técnicos: IA generativa baseada na série GPT de grandes modelos, com habilidades gerais de conversação e raciocínio lógico como suas principais vantagens. Processamento multilíngue: tem melhor desempenho em inglês, com melhoria contínua em chinês; mas recomendamos usar o inglês para…
Hoje eu gostaria de compartilhar um artigo do DeepSeek, intitulado DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models. Este artigo apresenta o DeepSeekMath 7B, que é pré-treinado no DeepSeek-Coder-Base-v1.5 7B com base em uma coleção de 120B tokens relacionados à matemática, linguagem natural e dados de código. O modelo alcançou uma pontuação surpreendente de 51,7% em nível competitivo…
Hoje compartilharemos DeepSeek R1, Título: DeepSeek-R1: Incentivando a capacidade de raciocínio em LLMs via Aprendizado por Reforço: Incentivando a capacidade de raciocínio de LLM via aprendizado por reforço. Este artigo apresenta a primeira geração de modelos de raciocínio do DeepSeek, DeepSeek-R1-Zero e DeepSeek-R1. O modelo DeepSeek-R1-Zero foi treinado por meio de aprendizado por reforço (RL) em larga escala sem ajuste fino supervisionado (SFT) como uma etapa inicial,…
