#Deepseek Goes Viral

DeepSeek, uma startup de IA sediada em Hangzhou, China, tem ganhado atenção significativa na indústria global de IA com o lançamento do modelo de linguagem grande DeepSeek-V3 no final de dezembro de 2024. Este modelo tem 671 bilhões de parâmetros, mas levou apenas cerca de dois meses para treinar a um custo de 5,58 milhões de USD, significativamente menor do que os investimentos de outras grandes empresas de tecnologia.
DeepSeek-V3 alcança o desempenho superior entre os modelos de código aberto e compara-se com os modelos mais avançados do mundo. A empresa otimizou o processo de treino para minimizar os custos, utilizando cerca de 2,78 milhões de horas de GPU com as GPUs H800 da Nvidia produzidas na China. Isso demonstra que as empresas de IA chinesas fizeram progressos significativos apesar das restrições dos EUA no acesso aos semicondutores avançados necessários para o treino de IA.
O sucesso do DeepSeek levantou preocupações na indústria de tecnologia dos EUA, com as ações da Nvidia e de outras empresas de tecnologia despencando. Especialistas acreditam que o DeepSeek alcançou alta performance a um custo muito mais baixo do que seus concorrentes dos EUA, graças ao uso de tecnologia de código aberto e métodos de treinamento eficazes.
Além disso, a DeepSeek divulgou o código-fonte e explicações técnicas detalhadas do modelo, permitindo que pesquisadores e desenvolvedores de todo o mundo tenham acesso e melhorem essa tecnologia. Essa transparência contrasta com a abordagem mais sigilosa das principais empresas de IA dos EUA e pode mudar a forma como as grandes empresas de tecnologia desenvolvem modelos no futuro.