DeepSeek எப்படி பயன்படுத்துவது? சீனாவின் AI ஆய்வகத்தின் உயர்வு

பொருளடக்கம்

ஜனவரி 2025 இல், DeepSeek எனப்படும் சீன AI ஆய்வகம் இரண்டு புதிய AI மாடல்களை அறிமுகப்படுத்தியது, அவை தொழில்நுட்ப உலகம் முழுவதும் அலைகளை உருவாக்குகின்றன. அமெரிக்காவில் உள்ள அதன் போட்டியாளர்களுடன் ஒப்பிடுகையில், DeepSeek மிகவும் குறைந்த வளங்களைப் பயன்படுத்தி எப்படி நம்பமுடியாத முடிவுகளை அடைந்தது என்பது மிகவும் ஆச்சரியமான பகுதி. இது உலகளாவிய AI பந்தயத்தில் ஒரு மாற்றத்தைத் தூண்டியுள்ளது, அங்கு சீனா இப்போது அமெரிக்காவின் ஆதிக்கத்திற்கு சவால் விடும் முக்கிய வீரராகக் காணப்படுகிறது.

டீப்சீக்கின் எழுச்சி

பல ஆண்டுகளாக, ஓபன்ஏஐ, கூகுள் மற்றும் மெட்டா போன்ற பெரிய நிறுவனங்களின் முன்னேற்றத்துடன், செயற்கை நுண்ணறிவின் வளர்ச்சியை அமெரிக்கா வழிநடத்தியது. இருப்பினும், DeepSeek இன் சமீபத்திய AI மாதிரிகள், குறிப்பாக DeepSeek-V3, மேம்பட்ட வன்பொருள் மீதான கட்டுப்பாடுகளுடன் கூட சீனா இப்போது உயர் மட்டத்தில் போட்டியிட முடியும் என்பதைக் காட்டுகிறது.

DeepSeek இன் திருப்புமுனை பற்றிய சில முக்கிய குறிப்புகள் இங்கே:

DeepSeek-V3 ஆனது வெறும் $5.6 மில்லியனுடன் உருவாக்கப்பட்டது, OpenAI அதன் GPT-4 மாடலுக்கு செலவிட்ட $100 மில்லியனை விட மிகக் குறைவு.
அமெரிக்க நிறுவனங்களால் பயன்படுத்தப்படும் சமீபத்திய GPUகளைப் போல சக்திவாய்ந்ததாக இல்லாத பழைய GPUகளைப் பயன்படுத்தி இந்த மாடல் பயிற்சியளிக்கப்பட்டது.
இந்த சவால்கள் இருந்தபோதிலும், DeepSeek-V3 ஆனது GPT-4 மற்றும் Meta's Llama போன்ற மாடல்களை பல வரையறைகளில் விஞ்சியுள்ளது.

டீப்சீக்கின் வெற்றிக்குப் பின்னால் உள்ள உத்தி

DeepSeek இன் வெற்றிக்கு சில முக்கியமான காரணிகள் காரணமாக இருக்கலாம்:

H800 GPUகள் போன்ற குறைந்த மேம்பட்ட வன்பொருளைப் பயன்படுத்தி, DeepSeek அவற்றின் செயல்திறனை அதிகரிக்க புதுமையான நுட்பங்களைப் பயன்படுத்தியது. இது அவர்கள் தங்களிடம் இருந்த வளங்களில் இருந்து அதிகமாகப் பெற அனுமதித்தது.
அவர்கள் மல்டி-ஹெட் லேட்டன்ட் அட்டென்ஷன் (எம்.எல்.ஏ) மற்றும் நிபுணர்களின் கலவை போன்ற ஸ்மார்ட் டிசைன்களையும் பயன்படுத்தினர், இது அவர்களின் மாடல்களைப் பயிற்றுவிப்பதற்குத் தேவையான கணினி சக்தியின் அளவைக் குறைக்க உதவியது.
DeepSeek இன் அணுகுமுறை புதுமைக்கு எப்போதும் சிறந்த அல்லது மிகவும் விலையுயர்ந்த தொழில்நுட்பம் தேவையில்லை, மாறாக படைப்பாற்றல் மற்றும் வளம் ஆகியவற்றை நிரூபிக்கிறது.

டீப்சீக்கின் ஓப்பன் சோர்ஸ் அப்ரோச், எப்படி பயன்படுத்துவது?

DeepSeek இன் AI மாடல்களின் மிக முக்கியமான அம்சங்களில் ஒன்று, அவை திறந்த மூலமாகும். இது ஓபன்ஏஐ போன்ற பல அமெரிக்க-அடிப்படையிலான AI நிறுவனங்களுக்கு முரணாக உள்ளது, அவை அவற்றின் மாதிரிகளை பொதுமக்களுக்கு மூடி வைக்கின்றன. அனைவருக்கும் அவர்களின் AI கிடைக்கச் செய்வதன் மூலம், DeepSeek உலகளாவிய ஒத்துழைப்பை வளர்க்கிறது மற்றும் டெவலப்பர்கள் தங்கள் மாதிரிகளை உருவாக்கவும் மேம்படுத்தவும் அனுமதிக்கிறது.

இந்த ஓப்பன் சோர்ஸ் அணுகுமுறையின் சில நன்மைகள் கீழே கொடுக்கப்பட்டுள்ள கிதுப் இணைப்பிலிருந்து எவரும் இதைப் பயன்படுத்தலாம்:

DeepSeek இன் மாதிரிகளை (github இணைப்பு) எவரும் அணுகலாம் , அவற்றைச் செம்மைப்படுத்தலாம் மற்றும் அவற்றைப் பயன்படுத்தி புதிய பயன்பாடுகளை உருவாக்கலாம்.
இந்த அணுகுமுறை சீன AI தொழில்நுட்பம் உலகளாவிய தொழில்நுட்ப சுற்றுச்சூழல் அமைப்பில் உட்பொதிக்கப்படுவதற்கு வழிவகுக்கும்.
இது அமெரிக்காவை தளமாகக் கொண்ட நிறுவனங்களின் ஆதிக்கத்தை சவால் செய்கிறது மற்றும் AI வளங்களைப் பகிர்வதற்கான புதிய மாதிரியை வழங்குகிறது.

டீப்சீக்கின் புதுமையின் உலகளாவிய தாக்கம்

DeepSeek இன் வெற்றியானது AI இன் எதிர்காலம் மற்றும் உலகளாவிய அரங்கில் அதன் தாக்கங்கள் பற்றிய சில முக்கியமான கேள்விகளையும் எழுப்புகிறது:

ஒரு சீன நிறுவனமாக, DeepSeek இன் AI மாதிரிகள் சீன விதிமுறைகளால் பாதிக்கப்படுகின்றன, அவை அவற்றின் வளர்ச்சியைக் கட்டுப்படுத்தலாம் அல்லது சில நாடுகளில் அவை எவ்வாறு பயன்படுத்தப்படுகின்றன.
சர்வாதிகார அரசாங்கங்களின் கீழ் உருவாக்கப்பட்ட AI அமைப்புகள் பக்கச்சார்பான அல்லது தணிக்கை செய்யப்பட்ட பார்வைகளை பிரதிபலிக்கக்கூடும் என்று விமர்சகர்கள் கவலைப்படுகிறார்கள். தைவான் அல்லது தியானன்மென் சதுக்க சம்பவம் போன்ற முக்கியமான தலைப்புகளை DeepSeek இன் AI எவ்வாறு கையாளுகிறது என்பது கவலைகளில் அடங்கும்.
சீன AI மாதிரிகளின் எழுச்சி, AI ஜனநாயக விழுமியங்களைப் பிரதிபலிக்க வேண்டுமா அல்லது அது அரசாங்கத்தின் கட்டுப்பாட்டில் உள்ள கதைகளால் வடிவமைக்கப்படுமா என்பது பற்றிய விவாதங்களைத் தூண்டலாம்.

AI இன் எதிர்காலம்: சீனா தொடர்ந்து உயருமா?

டீப்சீக்கின் முன்னேற்றத்துடன், சீனா AI பந்தயத்தில் பின்தொடர்பவர் மட்டுமல்ல, தீவிர போட்டியாளராக இருப்பதைக் காட்டுகிறது. அமெரிக்கா இன்னும் பல துறைகளில் முன்னணியில் இருக்கும் போது, DeepSeek இன் வெற்றி, சமீபத்திய தொழில்நுட்பத்திற்கான வரையறுக்கப்பட்ட அணுகல் போன்ற சவால்களை சமயோசிதமும் புதுமையும் சமாளிக்கும் என்பதை நிரூபித்துள்ளது. AI மேம்பாட்டின் எதிர்காலம், எல்லைகள் தாண்டி இன்னும் கூடுதலான ஒத்துழைப்பைக் காணலாம், ஆனால் நெறிமுறைகள், கட்டுப்பாடு மற்றும் தொழில்நுட்பத்தின் எதிர்காலத்தை வடிவமைப்பதில் அரசாங்கத்தின் செல்வாக்கின் பங்கு பற்றிய விவாதங்கள்.

DeepSeek ஐ மற்ற AI மாடல்களுடன் ஒப்பிடுதல்

பெஞ்ச்மார்க் (மெட்ரிக்)	டீப்சீக் V3	டீப்சீக் V2.5	Qwen2.5	லாமா3.1	கிளாட்-3.5	GPT-4o
கட்டிடக்கலை	MoE	MoE	அடர்த்தியானது	அடர்த்தியானது	–	–
# செயல்படுத்தப்பட்ட அளவுருக்கள்	37B	21B	72B	405B	–	–
# மொத்த அளவுருக்கள்	671B	236B	72B	405B	–	–
ஆங்கில MMLU (EM)	88.5	80.6	85.3	88.6	88.3	87.2
MMLU-Redux (EM)	89.1	80.3	85.6	86.2	88.9	88.0
MMLU-Pro (EM)	75.9	66.2	71.6	73.3	78.0	72.6
டிராப் (3-ஷாட் F1)	91.6	87.8	76.7	88.7	88.3	83.7
IF-Eval (உடனடி கண்டிப்பு)	86.1	80.6	84.1	86.0	86.5	84.3
GPQA-டயமண்ட் (பாஸ்@1)	59.1	41.3	49.0	51.1	65.0	49.9
SimpleQA (சரியானது)	24.9	10.2	9.1	17.1	28.4	38.2
பிரேம்கள் (ஏசி.)	73.3	65.4	69.8	70.0	72.5	80.5
LongBench v2 (Acc.)	48.7	35.4	39.4	36.1	41.0	48.1
கோட் HumanEval-Mul (Pass@1)	82.6	77.4	77.3	77.2	81.7	80.5
LiveCodeBench (Pass@1-COT)	40.5	29.2	31.1	28.4	36.3	33.4
லைவ்கோட் பெஞ்ச் (பாஸ்@1)	37.6	28.4	28.7	30.1	32.8	34.2
கோட்ஃபோர்ஸ் (சதவீதம்)	51.6	35.6	24.8	25.3	20.3	23.6
SWE சரிபார்க்கப்பட்டது (தீர்ந்தது)	42.0	22.6	23.8	24.5	50.8	38.8
Aider-Edit (Acc.)	79.7	71.6	65.4	63.9	84.2	72.9
Aider-Polyglot (Acc.)	49.6	18.2	7.6	5.8	45.3	16.0
கணிதம் AIME 2024 (பாஸ்@1)	39.2	16.7	23.3	23.3	16.0	9.3
கணிதம்-500 (EM)	90.2	74.7	80.0	73.8	78.3	74.6
CNMO 2024 (பாஸ்@1)	43.2	10.8	15.9	6.8	13.1	10.8
சீன CLUEWSC (EM)	90.9	90.4	91.4	84.7	85.4	87.9
C-Eval (EM)	86.5	79.5	86.1	61.5	76.7	76.0
C-SimpleQA (சரியானது)	64.1	54.1	48.4	50.4	51.3	59.3

முக்கிய புள்ளிகளின் சுருக்கம்

சீன AI ஆய்வகமான DeepSeek, அதன் திருப்புமுனை AI மாடல்களான DeepSeek-V3 மற்றும் DeepSeek-R1 ஆகியவற்றை ஜனவரி 2025 இல் அறிமுகப்படுத்தியது.
டீப்சீக்-வி3 மாடல் வெறும் $5.6 மில்லியனில் உருவாக்கப்பட்டது, இது OpenAI மற்றும் Google போன்ற அமெரிக்க நிறுவனங்கள் செலவழித்த பில்லியன்களை விட மிகக் குறைவு.
DeepSeek அதன் மாடல்களைப் பயிற்றுவிக்க பழைய தலைமுறை GPUகளைப் பயன்படுத்தியது, படைப்பாற்றல் மற்றும் வளம் எவ்வாறு வன்பொருள் வரம்புகளை கடக்கும் என்பதைக் காட்டுகிறது.
டீப்சீக்கின் AI மாடல்கள், குறியீட்டு முறை மற்றும் கணிதப் பணிகள் உட்பட, GPT-4 மற்றும் Meta's Llama போன்ற சிறந்த மாடல்களை விஞ்சியுள்ளன.
டீப்சீக், மல்டி-ஹெட் லேட்டன்ட் அட்டென்ஷன் (எம்.எல்.ஏ) மற்றும் மிக்ஸ்ச்சர்-ஆஃப்-நிபுணர்கள் போன்ற புதுமையான நுட்பங்களைப் பயன்படுத்தி கம்ப்யூட்டிங் சக்தி தேவைகளைக் குறைக்கிறது.
நிறுவனத்தின் திறந்த மூல அணுகுமுறை உலகளாவிய டெவலப்பர்கள் தங்கள் AI மாதிரிகளை அணுகவும், செம்மைப்படுத்தவும் மற்றும் உருவாக்கவும் அனுமதிக்கிறது.
இந்த ஓப்பன் சோர்ஸ் மூலோபாயம், AI தொழில்நுட்பத்தில் உலகளாவிய செல்வாக்கைப் பெற சீனாவைச் செயல்படுத்தி, தங்கள் AI மாதிரிகளை மூடி வைத்திருக்கும் அமெரிக்க நிறுவனங்களுக்கு மாறாக உள்ளது.
மேம்பட்ட NVIDIA சில்லுகள் மீதான கட்டுப்பாடுகள் இருந்தபோதிலும், DeepSeek அமெரிக்க ஆதிக்கத்திற்கு சவால் விடும் போட்டி AI மாதிரிகளை உருவாக்க முடிந்தது.
DeepSeek இன் வெற்றியானது, சர்வாதிகார அரசாங்கங்களால் உருவாக்கப்பட்ட AI அமைப்புகள் ஒரு சார்பு அல்லது தணிக்கை செய்யப்பட்ட கண்ணோட்டத்தை பிரதிபலிக்குமா என்ற கேள்விகளை எழுப்புகிறது.
டீப்சீக்கின் எழுச்சி, உலகளாவிய AI பந்தயத்தில் சீனாவின் வளர்ந்து வரும் செல்வாக்கைக் குறிக்கிறது, இது AI தொழில்நுட்பத்தின் எதிர்காலத்தை மறுவடிவமைக்கும்.