DeepSeek ukázal, že trénink modelů umělé inteligence může podstatně zlepšit jejich výkonnost.
Závod o prvenství v oblasti umělé inteligence má nového vyzyvatele, který přišel zcela změnit pořadí, které jsme dosud s různými AI měli. Společnost DeepSeek představila model R1 0528, aktualizaci (nikoliv nový model), který se umístil jako nesporný lídr mezi open source modely umělé inteligence.
Tím se však nezastavil: dosáhl také druhého místa na světě v prestižním žebříčku Artificial Analysis Intelligence Index. V tomto směru je na krku modelu Gemini 2.5 Pro od společnosti Google a poráží další vysoce relevantní modely, jako je Grok 3 mini, Llama 4 Maverick nebo Anthropic s Claude 4.
Související článek
DeepSeek R1 0528 udělal v žebříčku pozoruhodný skok: z 60 bodů v indexu na 68. Jak jsme již uvedli, dostává se tak před Grok 3 mini (67 bodů), Llama Nemotron Ultra od společnosti NVIDIA (61 bodů) a Llama 4 Maverick od společnosti Meta (51 bodů).
Co je však na tomto průlomu skutečně pozoruhodné, je to, že tohoto zlepšení bylo dosaženo díky potréninkovému vylepšení. Jinými slovy, nemuseli měnit základní architekturu modelu, na což jsme zvyklí u mnoha jiných společností, které vydávají nové modely, aby překonaly ty předchozí.
V současné době je DeepSeek R1-0528 stále modelem s 671 miliardami parametrů založeným na architektuře V3/R1, což dokazuje rostoucí význam post-trainingových technik a především reinforcement learningu (RL).
DeepSeek ukázal, že může mít výkonný a nákladově efektivní model (což už způsobilo, že akcie společnosti Nvidia poněkud poklesly), a nyní nemusí vynakládat velké částky na přeškolení od nuly nebo na nákladné změny architektury. Podařilo se jí dosáhnout podstatných zlepšení (dostatečných na to, aby se mohla přiblížit ke Gemini 2.5 Pro).
Tyto pokroky v oblasti reinforcement learningu jsou skvělou zprávou pro všechny laboratoře s mnohem omezenější kapacitou GPU.
Výsledky tohoto tréninkového systému mluví samy za sebe: model se zlepšil v řadě oblastí, včetně AIME 2024 (nárůst o 21 bodů v soutěžní matematice), LiveCodeBench (nárůst o 15 bodů) a Humanity’s Last Exam (nárůst o šest bodů v uvažování a znalostech).
Pokrok DeepSeek tak má důležité důsledky pro jeho konkurenci. Zmenšování rozdílu mezi otevřenými a uzavřenými modely je stále patrnější, což ponechává velké modely v nepříjemné pozici. Skutečnost, že je možné dosáhnout podstatných zlepšení díky dodatečnému tréninku, navíc otevírá nové možnosti pro efektivní zdokonalování modelů umělé inteligence.
Je zřejmé, že tento vývoj bude mít silný dopad na globální konkurenceschopnost. Zatímco Spojené státy zůstávají v oblasti umělé inteligence nesporným lídrem, Čína se díky tomuto vývoji začíná stavět do pozice velmi silného hráče.
V oblasti umělé inteligence se pod pojmem posttraining rozumí fáze, ve které se již natrénovaný model upravuje a vylepšuje pomocí dalších dat nebo specifických technik, jako je například reinforcement learning. Tato technika si získala oblibu, protože umožňuje zlepšit výkon modelu, aniž by se muselo začínat od nuly, což šetří čas a zdroje. Posilování učení je navíc technika, která je inspirována způsobem, jakým se lidé učí ze svých činů a jejich důsledků, takže je obzvláště efektivní pro složité úlohy.
Dopad tohoto vývoje se neomezuje pouze na konkurenci mezi společnostmi, ale má také širší důsledky pro technologický průmysl obecně. Schopnost efektivně vylepšovat stávající modely by mohla urychlit vývoj aplikací umělé inteligence v oblastech, jako je medicína, automobilový průmysl a robotika, kde jsou přesnost a přizpůsobivost klíčové.