A kínai DeepSeek január közepén közkinccsé tett R1 modellje sokkolta a globális MI-fejlesztőközösséget és az amerikai Big Tech mamutvállalatok, különösen az Nvidia részvényárfolyamát. De valóban jobb a kínai, nyílt forráskódú nyelvi modell a csúcsra járatott szilícium-völgyi versenytársaknál? Milyen hatással van (és lehet) a kínai technológiai fejlesztésekre és a kínai mesterségesintelligencia-ökoszisztémára? Valóban zárul az olló Kína és az Egyesült Államok között az MI területén?
◼︎ DeepSeek kontra Szilícium-völgy
Jó pár éve zajlik a technológiai háború az Egyesült Államok és Kína között. Azon már régen túl vagyunk, hogy Kína csak másolna, számos területen – legyen szó elektromos járművekről vagy drónokról – letarolta (vagy éppen letarolni készül) a világpiacot. Az USA a fejlett technológiák, elsősorban a legmodernebb chipek exportkorlátozásával próbálja meg lassítani a kínai előretörést, inkább kevesebb, mint több sikerrel. Az elmúlt hónapok fejleményei arra mutatnak, hogy Kína a jelen és a jövő egyik legfontosabb technológiájában, a mesterséges intelligenciában is kész átvenni a hatalmat – de még egyáltalán nem biztos, hogy sikerülni fog neki.
Ajándék a világnak?
Aligha lehetett véletlen, hogy a szimbolikus lépésekre oly nagy hangsúlyt fektető Kína új kedvenc techvállalata, a DeepSeek idén január 20-án, Donald Trumpnak az amerikai techvilág színe-virágát felvonultató elnöki beiktatására időzítve mutatta be az R1 modellt és hozta nyilvánosságra annak eredményeit. A nem egészen két évvel korábban, 2023 májusában, a mára nemzeti hős státuszba emelkedett Liang Wenfeng szoftvermérnök-vállalkozó által alapított, százötven alkalmazottal dolgozó hangcsoui DeepSeek nyílt forrású MI-je ugyanis több teljesítménymutatóban megelőzte az OpenAI akkor világvezető o1-ét.
Már maga az a tény, hogy a generatív mesterséges intelligencia legújabb forradalmát elindító amerikai vállalat zászlóshajójával egy kínai, ráadásul nyílt forráskódú modell versenyezhet, néhány hónappal korábban még teljesen elképzelhetetlennek tűnt. Az első szakértői vélemények arról szóltak, hogy szerint a 2023 márciusában debütált GPT-4 óta az R1 volt a legjobb MI-modell. Mark Andreessen, Szilícium-völgyi üzletember és befektető, az egykori Netscape társalapítója az általa valaha látott egyik legcsodálatosabb és leglenyűgözőbb áttörésként beszélt róla, kiemelve a modell nyílt forráskódját. „Nagyszerű ajándék a világnak”, írta róla az X-en, komoly jövőt jósolva a kínai High-Flyer fedezeti alap támogatta startupnak.
Magyarázza a bizonyítványt
Az elragadtatott megállapításoknak volt is alapjuk. Az R1 az összetett feladatokra nem közvetlen válaszokat ad, hanem hosszú érveléseket, gondolatláncokat (Chain-of-Thought-okat, CoT-ket), amelyek áttekinthetőbbnek bizonyultak. A CoT a mesterséges intelligencia egyik új, ígéretes fejlesztési iránya, amellyel csökkenthető a korábbi nyelvi modellek „fekete doboz” jellege: a fejlesztők jobban átlátják, mi történik az MI „belsejében”, miközben inputból outputot generál.
A hagyományos nagy nyelvi modellekkel szemben ezek az MI-rendszerek képesek megmutatni, hogyan jutottak el a következtetéseikhez (a nevük is innen ered). Főként logikai következtetést, matematikai problémamegoldást és valósidejű döntéshozást igénylő feladatok megoldására használják őket. Az első következtetőmodellt az OpenAI mutatta be 2024 szeptemberében, az R1 volt a második.
| Szeretik a hazait
A DeepSeek MI-rendszereit természetesen gyorsan felkarolták a hazai vállalatok. Kína három legnagyobb távközlési társasága, a China Mobile, a China Unicom és a China Telekom február óta már dolgozik a DeepSeek modelljével, de számos más vállalat is bevezette a rendszert. A DeepSeek technológiáját használó kínai és hongkongi techcégek részvényei rövid idő alatt drasztikusan kilőttek. A vámháborúban persze minden képlékeny és naponta változik, de az jól látszik, hogy Kína IT- és MI-ökoszisztémája folyamatosan bővül. Az is egyre inkább elkerülhetetlennek látszik, hogy az MI terén is kialakuljon egy külön kínai és egy nyugati (amerikai-európai) ökoszisztéma, amelyek között nem nagyon lesz átjárás. |
Az R1 (és általában a CoT-modellek) logikája jobban követhető, érthetőbb, mint a korábbiaké, ezért (szükség esetén) könnyebb megkérdőjelezni az outputjait. A következtetőmodelleknek ez a tulajdonsága komoly előnyt jelent minden olyan területen – például a tudományos kutatásban vagy a vállalati döntéshozatalban – ahol a puszta eredmények nem elegendők, hanem lényeges az is, hogy az adott eredmények mi alapján születtek meg (ez az explainable AI-jal szemben támasztott egyik fontos követelmény).
Gyorsan, olcsón, jót?
A jobb eredmények mellett az R1 fejlesztése nagyságrendekkel olcsóbb is volt, mint a versenytáraké: az amerikai technológiai óriások ezirányú kiadásaival szemben a DeepSeek (saját bevallása szerint) 5,6 millió dollárt költött a modell betanítására, míg a GPT-4 trenírozása százmillióba került. Mindezt egyedi módszerekkel, például úgynevezett szakértői réteg beépítésével, olcsóbb MI-chipek (2048 Nvidia H800 GPU) használatával, így lényegesen kevesebb számítási erőforrással érték el. (Ugyanakkor az OpenAI azt állította, hogy a GPT-4 kimeneteit használták – illegálisan – az R1 betanítására, azért lehetett az ennyire olcsó és gyors.) A Meta hasonló Llama 3.1 modelljének tanításához tízszer annyi számítási kapacitás kellett, mint az R1-hez, ráadásul utóbbit sokkal rövidebb idő, néhány hónap alatt elvégezték.
Az R1-et teljesítménye mellett forráskódjának nyíltsága teszi különösen versenyképessé és vonzóvá. A DeepSeek a modellek mellett a kódokat és a kiértékeléshez használt promptokat is közkinccsé tette. A kód és a súlyok licence ingyenes, az R1 modell elérhető a GitHubon, kereskedelmi és magáncélra egyaránt használható, módosítható, a kimeneteit pedig fel lehet használni új modellek betanítására.
A zárt modellekkel ellentétben a kutatók és a fejlesztők bizonyos technikai kereteken, például meghatározott erőforrás-igényeken belül tetszés szerint telepíthetik az R1-et, módosíthatnak rajta, új elemekkel gazdagíthatják. Vonzóvá teszi az is, hogy a modell chat-alapú kezelőfelülete (V3) napi használati korlát mellett ingyenes, de a következtető csomag input- és output-tokenalapú árai is jutányosak.
Az exportkorlátozások bumerángként hatottak a sikerre: a GPU-kra és más tiltott technológiákra szánt összegek Kínában maradtak, amelyekből feltehetően az R1-hez vezető fejlesztésekbe is fektettek.
Megállja a helyét a teszteken
Az R1-et természetesen számos tesztnek vetették alá, összeeresztették más gyártók csúcsmodelljeivel. Ezek között volt az OpenAI o1, az o1-mini és a GPT-4o; az Anthropic Claude 3.5 Sonnet; és egy kínai vetélytársa, az Alibaba QwQ-32B, amely egy viszonylag új, tavaly novemberben bemutatott modell. A vizsgálatokat olyan kategóriákra bontották, mint például az angol és a kínai nyelv, kódolás és matematika.
A legtöbb feladatban vagy ugyanolyan, vagy magasabb értékeket ért el az R1, mint a vetélytársai. A kódolásban ugyanakkor az o1 öt esetből négyszer felülmúlta a kínai modellt, azaz az R1-nek ezen a területen még sokat kell fejlődnie (bár az Anthropic modelljénél és a GPT-4o-nál magasabb pontszámot ért el). Ezen a téren az R1 egyedül a kompetitív (Codeforces) programozásban diadalmaskodott.
Kifinomult, többlépcsős matematikai érvelésben (az AIME 2024 teszten) jobb az R1 az o1-nél (52,5 kontra 44,6 százalék), a Claude és a GPT-4o pedig egyenesen pocsékul, 23 százalék alatt teljesített. A részletes érvelést igénylő, középiskolai szintű matematikai problémákat tesztelő MATH-500-on a kínai csúcsmodell bámulatos, 97,3 százalékot ért el, de az o1 alig maradt el tőle, annak 96,4 százaléka szintén megsüvegelendő eredmény. A kreatív és hosszú kontextusú megmérettetésekben szintén jól teljesített az R1, felülmúlva az összes többi modellt.
Összességében viszont nehéz megítélni, hogy az R1 mennyire körözi le a vetélytársakat – mindig az adott feladattól függ, hogy az R1 vagy az o1 a jobb. Matematikai feladványokban az előbbi, kódolásban az utóbbi, logikus érvelésben, általános ismeretekben pedig változó az eredmény. Az R1-et a kínai és az angol nyelvre optimalizálták, más nyelveken kevésbé teljesít jól. A következtetésre fókuszáló MI-modelleknek mindenesetre erős versenytársa lehet, nyílt forráskódja és a költséghatékony hozzáférés miatt népszerű opció.
Az R1 mindent felfed, lehetőséget adva a felhasználónak, hogy kristálytisztán lássák, milyen lépéseket tett a modell egy adott válasz eléréséhez. Ezzel szemben az OpenAI következtetőmodelljei egyelőre még elrejtik az érvelési lépéseket. Ha rendelkezésünkre állnak a szükséges számítási erőforrások és adatok, akkor az R1 finomhangolható speciális munkákra, iparágakra. Rugalmassága miatt területspecifikus alkalmazásokkal dolgozó kutatók, szervezetek és vállalatok számára kifejezetten hasznos segédeszköznek bizonyulhat.
Valódi áttörés…
A mesterséges intelligencia piaca még erősen képlékeny, folyamatosan jelennek meg az újabb és újabb szereplők, bár nem mindegyik vált ki akkora érdeklődést, mint a DeepSeek, és többen már úgy beszélnek az R1-ről, mint a „következő nagy dobásról”. De vajon tényleg forradalmi, vagy csupán jól időzített marketinghullámmal lovagolja meg a generatív MI körüli figyelmet?
A DeepSeek ereje több pilléren nyugszik. Mindenképpen kiemelendő, hogy nyílt forráskódúként elérhető a modellek jelentős része. Ez nemcsak a transzparencia miatt fontos, hanem mert lehetőséget ad a rendszer finomhangolására, továbbfejlesztésére és a gyors iterációra (bár ez a többi nyílt modellre, így a Meta OpenLLamára is igaz). Ugyanakkor ez a nyitottság szinte példa nélküli a kínai MI-szférában, amely eddig leginkább zárt, lokális fejlesztéseiről volt ismert.
Nehéz megítélni, hogy az R1 mennyire körözi le a vetélytársakat, az adott feladattól függ, hogy az R1 vagy az o1 a jobb. Matematikai feladványokban az R1 jobb, kódolásban az o1, logikus érvelésben, általános ismeretekben pedig változó az eredmény. Kreatív és hosszú kontextusú megmérettetésekben viszont az R1 felülmúlja az összes többi modellt.
Másrészt a DeepSeek portfóliója nem csupán egyetlen nyelvi modellre épül, hanem párhuzamosan több specializált rendszeren is dolgoznak. A DeepSeek-VL2 képes értelmezni a képi információkat (fotók, grafikonok, egyebek); a DeepSeek Coder a kódgenerálásra optimalizált eszköz, amit több mint 80 programozási nyelven tanítottak be. Készült már olyan változat is (a DeepSeek MoE), amely az R1-gyel ellentétben nem transformer modelltípust alkalmaz, hanem Mixture-of-Expertset, így ennek révén mindig az adott feladathoz legjobban illeszkedő módszert választja. Az R1 és R1-Zero modellek pedig hatékonyan támogatják a többlépcsős gondolkodást, lehetővé téve az összetettebb kérdések és érvelések feldolgozását is.
… vagy csak hype?
Ugyanakkor a „forradalmi” jelzőt érdemes óvatosan kezelni a DeepSeekkel kapcsolatban. A benchmarkokon mért pontszámok ugyan figyelemreméltók, de nem kiugróak – különösen az összetettebb feladatokban nem haladják meg jelentősen (ha egyáltalán) az olyan újabb modellek, mint a GPT-4 vagy a Claude 3 teljesítményét. Ráadásul a teszteken elért eredmények nem feltétlenül tükrözik a való életben tapasztalható nyelvi rugalmasságot, pontosságot vagy kreatív teljesítményt. A DeepSeek modelljei kiválóan teljesítenek angol (és persze kínai) nyelven, de más nyelveken – például magyarul – már kevésbé konzisztens a működésük. Ebben hasonlít a globális LLM-ekre, amelyek többsége még mindig angol nyelven ért és beszél jobban.
A másik fontos szempont az ökoszisztéma. Az OpenAI vagy az Anthropic nem csupán modelleket fejlesztenek, hanem komplett környezetet is biztosítanak – ide tartozik a modellek használatához szükséges chat-felület, a pluginek, a programozható ügynökök és az API-ökoszisztéma.
A DeepSeek jelenleg még nem rendelkezik ilyen típusú, széles körben integrált platformmal vagy környezettel. Ez visszafogja a modell globális használatát – legalábbis egyelőre.
Végezetül ott van a kérdés, amelyet minden új MI-modell esetén érdemes feltenni: vajon mire készült, és kinek? A DeepSeek modelljei mögött ugyan jelen van az ambíció, hogy nemzetközi versenytárssá váljanak, de a fejlesztési célok jelentős része – főként a kínai nyelv és kultúra figyelembevétele – a hazai piac kiszolgálására fókuszál. Ez egyben erősség és korlát is.
Szintén nem lehet figyelmen kívül hagyni a kínai technológiai vállalatokkal és azok adatkezelési gyakorlatával szemben megnyilvánuló gyanakvást, ami szintén korlátozhatja a DeepSeek nemzetközi sikereit.
Nem egyetlen fecske
Mindezek alapján a DeepSeek és MI-modelljeinek hosszú távú hatásai a mesterséges intelligencia és az MI-piac fejlődésére kiszámíthatatlanok. A kínai cég háza tájáról érkező hírekkel a technológia jelentőségét túlhangsúlyozó és az azt bagatellizáló véleményvezérek egyaránt alá tudják támasztani egymással homlokegyenest ellentétes álláspontjukat.
Egyfelől igazolva látják magukat azok, akik szerint olcsóbban, kisebb energiafelhasználással is lehet hatékony modelleket képezni; másfelől az a vélemény is alátámasztható, hogy az olcsóbb rendszereket többen és több célra használják, így összességében nagyobb lesz az MI energiafogyasztása.
| Cenzúrázzák-e az R1-et?
A kínai MI-modelleknél automatikusan felvetődik a kérdés, hogy erősen cenzúrázott válaszokat ad, vagy sem? Maga a modell nem tűnik cenzúrázottnak, az eléréséhez használt csevegő-applikáció viszont nem hajlandó válaszolni a helyi politikával kapcsolatos érzékeny kérdésekre – vagyis a cenzúra az alkalmazási rétegben történik. A korlátok azonban gyengék, és könnyen kijátszhatók, például „kódolt” utasításokkal – elég, ha mondjuk a Tienanmen tér helyett T1an4nm3n-t írunk. Előfordult, hogy az MI ugyan generált valamilyen választ az „érzékeny” kérdésre, de aztán olyan üzenettel helyettesítette, mint például: „Sajnálom, a kérdés megválaszolására jelenleg nincs felhatalmazásom. Beszéljünk másról.” Kritikusok aggodalmukat fejezték ki az R1 külföldi befolyásolására, megfigyelésre, dezinformációra és kiberfegyverek fejlesztésére történő potenciális felhasználásával kapcsolatban is. |
Az R1 januári megjelenése az amerikai tőzsdét mindenesetre alaposan felbolygatta. Az első hírek azt hangsúlyozták, hogy mennyivel kisebb erőforrásokkal is be lehetett tanítani a jó teljesítményt felmutató modellt, aminek következtében villámgyorsan bezuhant az MI-hez infrastruktúrát biztosító gyártók részvényeinek árfolyama. Az MI-verseny egyik legnagyobb győztese, az Nvidia soha nem könyvelt el akkora veszteséget egy nap alatt, mint január 27-én, amikor piaci értéke közel hatszáz milliárd dollárral csökkent. (Persze könnyen lehet, hogy ez többet árul el a brókerek és befektetők gondolkodásáról, mint az MI és az Nvidia lehetőségeiről.) Azóta egyébként a vámháború bejelentése még nagyobb mélységekbe lökte a cég részvényárfolyamát, ahonnan mostanában kapaszkodik a március közepi szintre.
A DeepSeek azonban nem az egyetlen fecske a kínai MI-piacon. Az Alibaba Cloud előbb a Qwen 2.5-Max-szal, majd április végén az R1 számára komoly kihívást jelentő Qwen3-mal állt elő. A TikTok anyacége, a Byte Dance Doubao-1.5-pro modellje a fejlesztők szerint egyes teszteken felülmúlhatja az OpenAI o1-t. A Tencent büszkesége, a Hunyuan szöveg-videó generátor pedig a hírek szerint legalább olyan jól teljesít, mint a Meta Llama 3.1, pedig tizedannyi számítási kapacitást használtak fel a betanításához.
Vagyis a DeepSeek valószínűleg nem váltja meg egycsapásra a világot, de kétségtelenül egyre komolyabb szereplő a globális MI-piacon. A modelljei versenyképesek, az architektúrája korszerű, a nyílt forráskódú megközelítés pedig friss levegőt hoz a keleti fejlesztések világába. Az igazi forradalom akkor kezdődik, ha mindezt sikerül egy kiforrott ökoszisztémává fejleszteni – nemcsak benchmarkokon, hanem a valódi használat során is.
