La inteligencia artificial está en constante evolución, y en medio de este juego de gigantes, aparece DeepSeek-R1, un modelo de código abierto que no solo promete, sino que está cumpliendo. Mientras las empresas estadounidenses se aferran a las costosas GPU y a infraestructuras masivas, este nuevo contendiente chino está dando de qué hablar. ¿Qué lo hace tan diferente? Vamos a desmenuzarlo.
Hasta ahora, la narrativa en la industria era clara: más hardware, más poder. Pero, ¿quién diría que un enfoque más económico podría generar tanto revuelo? DeepSeek ha irrumpido en la escena como un auténtico Sputnik de la inteligencia artificial, provocando incluso movimientos inesperados en las acciones de Nvidia. Para entender mejor este fenómeno, echamos un ojo a una entrevista con Danny Gerst, un veterano en el mundo del software que ha estado al tanto de las tendencias en IA.
¿Qué hay detrás de DeepSeek-R1?
Lo primero que llama la atención es que DeepSeek-R1 es el primer modelo de código abierto capaz de competir con gigantes como OpenAI. La clave de su éxito radica en su uso innovador de datos sintéticos. Aunque la idea de que una IA entrene a otra no es nueva, DeepSeek ha llevado esto a otro nivel. Han creado un modelo intermedio que genera datos específicos para entrenar su modelo final, lo que les permite no solo mejorar, sino redefinir cómo se entrena una IA.
Este enfoque más modular abre la puerta a una nueva generación de modelos que pueden ser ajustados para mejorar su capacidad de razonamiento lógico. ¿Imaginas un mundo donde cada vez más de estos modelos optimizados estén disponibles? Eso es exactamente lo que se está cocinando en el laboratorio de DeepSeek.
¿Y qué hay de los costos?
La cuestión del dinero también es un tema candente. Aunque los costos exactos de entrenar DeepSeek-R1 aún son un misterio, sabemos que su rendimiento se basa en un modelo anterior, el DeepSeek-V3, que se entrenó el año pasado por solo seis millones de dólares. En comparación, modelos como GPT-4 y Llama 3 han mostrado un costo de entrenamiento hasta 11 veces más alto. ¿Quién diría que desarrollar inteligencia artificial de alto rendimiento no tiene que ser un ejercicio de gastar miles de millones?
Con la iniciativa Open R1 de Hugging Face en el horizonte, podríamos estar al borde de una nueva era de transparencia en cuanto a los costos de desarrollo de modelos de IA. La competencia nunca ha sido tan emocionante.
La eficiencia de la API de DeepSeek-R1
Pero hay más. Las tarifas de la API de DeepSeek-R1 son ridículamente bajas en comparación con los modelos de razonamiento de OpenAI. Pero, ¿es realmente tan eficiente? La respuesta corta es sí. La base de DeepSeek-R1, el DeepSeek-V3, ya era conocido por su eficiencia en la inferencia. Un punto clave de su diseño es que decidieron no usar CUDA, el marco de Nvidia que ha dominado el campo. En su lugar, el equipo decidió abordar la hardware a un nivel más básico, eliminando sobrecargas innecesarias.
Y eso no es todo. Han desarrollado un nuevo tipo de tensor adaptado a sus necesidades, lo que resulta en un funcionamiento mucho más económico. Así que, cuando se trata de los precios de la API, la estructura de costos refleja esta eficiencia operativa. Imagina lo que esto significa para las startups y empresas que buscan implementar IA sin arruinarse.