DeepSeek lanserar massiv ny AI-modell med 763 miljarder parametrar
DeepSeek har släppt vad som kallas v4.1-Flash – en gigantisk modell med 763 miljarder parametrar och en helt ny arkitektur (hur modellen är uppbyggd internt) som kombinerar text och bild. Modellen är så pass annorlunda mot tidigare versioner att många i branschen menar att den borde ha kallats DeepSeek v5. Det intressanta här är att kinesiska DeepSeek fortsätter att leverera modeller i toppklass i ett rasande tempo, vilket håller trycket uppe på OpenAI och Google.
Djupdykning
DeepSeek har tyst släppt något som de kallar "Flash" men som i praktiken är ett av de tyngsta öppna modellerna som existerar – 763 miljarder parametrar totalt, med en ny arkitektur som blandar en klassisk encoder (som läser och förstår input) med en decoder (som genererar text), något branschen till stor del övergav för flera år sedan. Det verkligt anmärkningsvärda är inte storleken utan återupplivandet av den kausala encoder-decoder-designen, vilket antyder att DeepSeek aktivt testar arkitekturantaganden som resten av branschen behandlar som avgjorda frågor. Att de dessutom bygger in vision – alltså förmågan att tolka bilder – i samma modell gör det till ett direkt angrepp på Googles Gemini och OpenAIs GPT-4o på deras hemmaplan. Experter som Sebastian Raschka menar att namnvalet "v4.1-Flash" kraftigt undersäljer vad som faktiskt lanserats, och det mönstret börjar bli karakteristiskt för DeepSeek: de kommunicerar nedåt för att sedan överprestera. Det som de flesta missar i bruset kring parametersiffror är att återkomsten av encoder-decoder-arkitekturen kan visa sig vara det faktiskt intressanta spåret här – om DeepSeek har hittat ett sätt att göra den designen effektiv igen, kan det tvinga fram en omprövning av hur hela nästa generation av multimodala modeller byggs.