DeepSeek lanza un modelo mejorado de IA V3 tres meses después de su lanzamiento inicial

DeepSeek, una empresa china de IA, ha lanzado DeepSeek-V3-0324, una versión actualizada de su modelo de gran lenguaje (LLM) de IA V3, que se lanzó originalmente en diciembre de 2024. El modelo V3 sorprendió al mundo por sus requisitos de hardware de entrenamiento mucho menores, su tiempo de entrenamiento más corto y sus costes de API más bajos, además de su alto rendimiento frente a otras IA de la competencia, como los modelos GPT de OpenAI.

El modelo V3 actualizado es un modelo de IA sin razonamiento, lo que significa que intenta responder a las preguntas rápidamente y no se toma tiempo extra para pensar en los problemas difíciles, a diferencia del modelo R1 de DeepSeek. Su tamaño de 685.000 millones de parámetros lo sitúa entre los mayores LLM disponibles públicamente. El último modelo está disponible para su uso bajo la licencia MIT.

DeepSeek-V3-0324 obtuvo entre un 5,3% y un 19,8% más de puntuación en los puntos de referencia de IA que el V3 original. Su rendimiento es comparable al de otras IA punteras, como GPT-4.5 y Claude Sonnet 3.7.

El modelo actualizado también ha mejorado sus capacidades. Un área de mejora es su capacidad refinada para crear páginas web atractivas y front-ends para juegos en línea. Otra mejora es su capacidad para buscar, escribir y traducir mejor en chino.

Los lectores que deseen experimentar con el DeepSeek-V3-0324 685B completo necesitarán al menos 700 GB de espacio de almacenamiento libre y varias GPU Nvidia A100/H100. Las versiones destiladas y con parámetros más pequeños del modelo pueden ejecutarse en una sola GPU, como la Nvidia 3090(a la venta aquí en Amazon).