DeepSeek: dalla Cina con furore
![](/blog/coverimgs/AIdeepseek.jpg)
La startup cinese DeepSeek ha recentemente annunciato un grande balzo in avanti nel campo dell’Intelligenza Artificiale tramite il lancio di DeepSeek Coder V2, un modello di linguaggio di codice open-source che supera - è tutto da verificare - i limiti dei suoi predecessori.
Basato su un’architettura “mixture of experts” (MoE), DeepSeek Coder V2 supporterebbe oltre 300 linguaggi di programmazione e vanterebbe una finestra di contesto estesa a 128K token, gli stessi garantiti da ChatGPT-4 e ChatGPT-4o.
Il modello precedente, con i suoi 33 miliardi di parametri, era già competitivo, ma la versione V2 sembra aver ampliato notevolmente le sue capacità: nei test su benchmark come MBPP+, HumanEval e Aider, V2 ha ottenuto punteggi impressionanti, superando modelli come GPT-4 Turbo e Claude 3 Opus.
Secondo gli specialisti il segreto del successo di DeepSeek Coder V2 risiede nell’addestramento su un dataset aggiuntivo di 6 trilioni(!!!) di token, focalizzato sulle analisi e realizzazione di codice e sulla matematica.
Questo approccio ha permesso al modello di attivare solo i parametri esperti necessari, ottimizzando l’uso delle risorse computazionali.
Oltre alle sue prodezze nella programmazione, V2 si distinguerebbe anche nei compiti di ragionamento generale e comprensione linguistica, come dimostrato dal suo punteggio nel benchmark MMLU (uno dei parametri di riferimento più comunemente utilizzati per confrontare le capacità dei LLMs).
Nonostante GPT-4o e Claude 3 Opus rimangano in testa in questa categoria, V2 si avvicina rapidamente ai leader del settore, promettendo di essere uno strumento rivoluzionario per sviluppatori e ricercatori.
E' tutto hype o davvero V2 si rivelerà rivoluzionario?
Staremo a vedere...
Condividi su Facebook // Dai un like // Assegna una lettura
Precedente - Torna alla lista - Successivo