Deepseek v3.2... Neue Open-Source-SOTA (1. Dezember)

Ein optimierter Informationsfluss

Ich habe gerade in der U-Bahn die Veröffentlichung von deepseek studiert...

Hier eine schnelle Zusammenfassung:

1/ Das Ergebnis, das deepseek diesmal geliefert hat, ist wirklich beeindruckend gut.

• Ohne Zweifel ein Open-Source-SOTA;
• Die Fähigkeiten orientieren sich im Grunde an den führenden, geschlossenen Modellen;

2/ Technisch ist das Ganze nicht besonders neu,

• DSA + Post-Training mit über 10% Anteil ist keine große Neuigkeit;
• Die neue Information ist, dass mit den Elementen aus der letzten v3.2-Experimentversion solch gute Ergebnisse erzielt wurden und direkt mit gemini3.0, einem der neuesten SOTA-Modelle, konkurriert werden kann;
• In der wissenschaftlichen Literatur lässt sich der Marktdiskurs heute kaum noch anstoßen; die gezeigten Fähigkeiten sind diesmal deutlich anschaulicher.

3/ Der befürchtete Einbruch bei der Rechenleistung? Gibt es nicht.

Laut deepseek selbst haben wir immer noch einen Abstand zu den führenden Modellen.

Aus einer anderen Perspektive betrachtet: Der "Wissensgraben" auf Modellebene ist nicht existent,die Rechenleistung bleibt ein differenzierender Faktor.

Die Meinung von Deepseek-Forscher Zhibin Gou: gemini3 beweist Pretrain...deepseek 3.2 beweist RL;

Weiterhin Scaling auf allen Ebenen betreiben; nicht vom Lärm des "gegen die Wand Laufens" ablenken lassen.

Mehr RL, längere CoT, höherer Rechenaufwand beim Inferencing;aus diesen Gründen wird keine Deflation bei der Rechenleistung entstehen.

4/ Aus Anwendungssicht... auf jeden Fall positiv. Zitieren wir einen Kommentar aus der Community:

• „Der Bedarf an Rechenleistung ist endlos, der praktische Wert der aktuellen Token-Kosten ist sehr gering. Erst durch Innovationen bei Hardware und Modellen und damit einer exponentiellen Kostensenkung ist eine breite Anwendung möglich.“

• Für Unternehmen, die versuchen, über die „Modellfähigkeit“ eine Burg für ihre Anwendungen zu bauen (zum Beispiel ein gewisses OAI),ist dies eine deutliche Schwächung der Storyline.

5/ Deepseek gibt selbst an, dass die Effizienz bei der Tokennutzung „unterlegen“ ist... In der Speciale-Version werden tatsächlich mehr Tokens verwendet...(siehe roter Rahmen)..

6/ Easter-Egg: Zhibin Gou sagte, sie hätten ein Jahr gebraucht, um v3 an seine Grenzen zu bringen... Einige Gruppenmitglieder meinen, v3 sei nun ausgequetscht,kommt nun endlich v4?

7/ Heute ist anscheinend der 3. Jahrestag der Veröffentlichung von ChatGPT...

Heute Abend dürfte der Markt recht volatil sein... einige chaotische makroökonomische Faktoren aus Japan + BTC sorgen für Unruhe;

Das nächste kleinere Katalysator-Ereignis könnte Amazons re:invent sein; heute Morgen gab es dazu im Gruppenchat bereits einen kleinen Ausblick.