DeepSeek DSpark ilə LLM çıxarımını 85% sürətləndirən yeni açıq mənbə sistemi təqdim edir

ABŞ hökumətinin Anthropic və OpenAI modellərinə məhdudiyyətləri fonunda geosiyasi gərginlik artarkən, Çinin açıq mənbə sevimlisi DeepSeek yenidən qlobal AI inkişafını dəyişdirə biləcək bir buraxılışla geri döndü. DeepSeek həftə sonu böyük dil modellərinin (LLM) cavab vermə sürətini artırmaq üçün nəzərdə tutulmuş, MIT lisenziyalı yeni DSpark sistemini açıq mənbə olaraq yayımladı. Bu sistem modelin əsas məzmununu dəyişmədən onun daha sürətli işləməsini təmin edir. DSpark-ın iş prinsipini başa düşmək üçün onu bir çayı daşdan-daşa keçən bir insan kimi təsəvvür edə bilərsiniz: əksər AI chatbotları bir kiçik mətn parçasını, sonra növbətisini və daha sonrakını seçərək addım-addım irəliləyir. DSpark sistemə bir "kəşfiyyatçı" əlavə edir ki, bu da bir neçə addım qabaqda qaçaraq ehtimal olunan yolu təxmin edir və böyük modelə hansı addımların təhlükəsiz olduğunu tez yoxlamağa imkan verir. Təxminlər düzgün olduqda model daha sürətli hərəkət edir, zəif təxminlər olduqda isə DSpark onları yoxlamağa vaxt itirməməyə çalışır. DeepSeek bu işi texniki məqalə, model checkpoint-ləri və spekulyativ dekodlaşdırma sistemlərini təlim və qiymətləndirmə üçün DeepSpec kod bazası ilə birlikdə dərc etdi. Buraxılış DeepSeek-in ictimai GitHub və Hugging Face səhifələrində, hərtərəfli və geniş istifadəyə yararlı MIT lisenziyası altında təqdim edilib. Bu lisenziya yanaşmanı öyrənmək və uyğunlaşdırmaq istəyən tərtibatçılar, tədqiqatçılar və kommersiya müəssisələri üçün geniş istifadə imkanı yaradır. DSpark sistemi AI yerləşdirmənin ən bahalı problemlərindən birini həll etmək məqsədi daşıyır: böyük modelləri real istifadəçilər üçün kifayət qədər sürətli xidmət göstərərkən, avadanlıqdan səmərəli istifadə edərək iqtisadi cəhətdən əlverişli etmək. Bu, istifadəçilərin söz-söz yavaş çıxmaq əvəzinə uzun cavabların tez axmasını gözlədiyi istehlak chatbotları, kod köməkçiləri, agent iş axınları və müəssisə AI sistemləri üçün xüsusi əhəmiyyət kəsb edir. DeepSeek DSpark-ı öz ən son sərhəd açıq modeli olan DeepSeek-V4-ə tətbiq edir. Xüsusilə, DeepSeek yeni DSpark çərçivəsini artıq sürət üçün optimallaşdırılmış 284 milyard parametrli qarışıq-ekspert (MoE) modeli olan DeepSeek-V4-Flash üzərində istifadə edərək, çıxarım sürətini 85%-ə qədər artırmağı bacardı. Bu, AI sənayesində səmərəlilik və sürət sahəsində mühüm bir irəliləyişdir.