DeepSeek-ը ներկայացնում է կոմպակտ R1 արհեստական բանականության մոդել՝ մեկ GPU-ի աշխատանքի համար
Author: NaKmo Flow | 30.05.2025
Չինական DeepSeek ընկերությունը թողարկել է իր R1 լեզվական մոդելի նոր, թեթև տարբերակը՝ DeepSeek-R1-0528-Qwen3-8B անվանումով։ Ի տարբերություն բնօրինակ R1-ի, նոր արտադրանքը կարող է արդյունավետորեն աշխատել միայն մեկ GPU-ի վրա, ինչը այն ավելի հասանելի է դարձնում անհատ մշակողների և փոքր թիմերի համար։
Հիմնական շեշտը դրվում է տրամաբանության և դատողության վրա
Նոր մոդելը հիմնված է Alibaba-ի Qwen3-8B վրա և օպտիմալացված է վերլուծություն, տրամաբանական եզրակացություն և դատողություն պահանջող առաջադրանքների համար։ Մասնավորապես, այն բարձր արդյունքներ է ցույց տալիս պրոֆիլային թեստերում.
- AIME 2025
- HMMT (Harvard-MIT Math Tournament)
Մոդելի բնութագրերը
| Պարամետր | Նշանակություն |
| Վերնագիր | DeepSeek-R1-0528-Qwen3-8B |
| Ճարտարապետություն | Qwen3-8B (Alibaba-ից) |
| Գրաֆիկական պրոցեսորի աջակցություն | Մեկ GPU |
| Հիմնական մասնագիտացում | Մաթեմատիկա, տրամաբանություն, փաստարկում |
| Լիցենզիա | MIT (բաց կոդով, ներառյալ առևտրային օգտագործումը) |
| Բաշխման հարթակ | Գրկող դեմք |
| Լեզվական քաղաքականություն | Չափավոր գրաքննված, հրաժարագրերի մեղմ ձևակերպումներով |
Ավելի բաց, բայց զգույշ
R1-ի թարմացված տարբերակը փոխեց մոդերացիայի մոտեցումը. նախկինում մոդելը կարող էր ուղղակիորեն խուսափել քաղաքականապես զգայուն հարցերին պատասխանելուց (օրինակ՝ Տյանանմեն հրապարակում տեղի ունեցած իրադարձությունների կամ առաջնորդներին փոփ մշակույթի կերպարների հետ համեմատելու մասին): Հիմա մոդելը պարզապես քաղաքավարիորեն խուսափում է պատասխանել հետևյալ արտահայտությամբ.
«Կներեք, դա իմ ներկայիս լիազորություններից դուրս է։ Եկեք խոսենք ուրիշ բանի մասին։»
Այս փոփոխությունը, կարծես թե, արվել է միջազգային համատեքստում թափանցիկության, անվտանգության և մատչելիության հավասարակշռման նպատակով։
Ու՞մ համար է այս մոդելը։
DeepSeek R1-ի կոմպակտ տարբերակը կարող է հատկապես օգտակար լինել.
- Լոգիկայի և մաթեմատիկայի հետ աշխատող հետազոտողների և ուսանողների համար
- Ստարտափներ, որոնք չեն կարող իրենց թույլ տալ GPT-4 մասշտաբի մոդելներ գործարկել
- Մշակողների համար, ովքեր արհեստական բանականություն են ներդնում տեղական լուծումներում՝ առանց ամպային կապի
Մոդելն այժմ հասանելի է ներբեռնման և օգտագործման համար Hugging Face կայքում։