Deepseek v4 η φάλαινα επέστρεψε!

Στα τέλη Απριλίου, η κινέζικη Deepseek κυκλοφόρησε μια πρώτη έκδοση της πολυαναμενόμενης έκδοσης v4 της οικογένειας των μεγάλων γλωσσικών μοντέλων που αναπτύσσει. Η έκδοση αυτή φαίνεται να είναι πολύ κοντά στις τελευταίες εκδόσεις των αντίστοιχων μοντέλων της Anthropic (Claude) και της OpenAI (ChatGPT). Πολλοί όμως υποστηρίζουν ότι η Deepseek είναι 3 με 6 μήνες πίσω τους. Και δεν είδαμε (ακόμη...) την ίδια σφαγή στα χρηματιστήρια που έγινε όταν εμφανίστηκε το Deepseek R3 το Γενάρη του 2025. Παρόλα αυτά φαίνεται ότι οι κινήσεις της Deepseek καθορίζουν σε μεγάλο βαθμό τις κατευθύνσεις που θα πάρει η αγορά στον τομέα του AI και των Agents. Η Deepseek ενσωμάτωσε μια σειρά από καινοτομίες (1M context support, Engram Conditional Memory, Hybrid Attention Architecture, Manifold-Constrained Hyper-Connections, υποστήριξη συστημάτων Huawei εκτός από nvidia, Multi-Token Prediction και άλλες) και μάλιστα δημοσίευσε εκτεταμένα paper για αυτές. Τα μοντέλα της Deepseek είναι Open Source και στους συγκρουσιακούς καιρούς που ζούμε αποτελούν κάτι που μπορεί να χρησιμοποιηθεί πολύ πιο εύκολα από μικρότερες εταιρίες και οργανισμούς. Η τιμή του για χρήση μέσω κάποιου api είναι έως και 10 φορές φθηνότερη από τα αντίστοιχα μοντέλα της Anthropic και της OpenAI. Αλλά ουσιαστικά η Deepseek δημιουργεί ένα οικοσύστημα. Οι κινέζικες εταιρίες Z-AI και Moonshot AI (με τη σειρά μοντέλων GLM και KIMI αντίστοιχα) χρησιμοποιούν την προηγούμενη αρχιτεκτονική της Deepseek στα δικά τους μοντέλα. Η Ζ-ΑΙ είχε μάλιστα υποστηρίξει ότι είχε κάνει την εκπαίδευση του GLM 5 χρησιμοποιώντας hardware της Huawei. Περιμένετε λοιπόν να εμφανιστούν και αντίστοιχα μοντέλα με το Deepseek V4 και από άλλες κινέζικες εταιρίες σύντομα, με χαμηλότερες τιμές από αυτές των αντίστοιχων αμερικανικών. Τέλος σημειώστε ότι και η ίδια η nvidia φαίνεται να μπαίνει δυναμικά στο χώρο των open source LLM μοντέλων μετά την εμφάνιση του Deepseek v4 αλλά και άλλων πετυχημένων μοντέλων όπως η σειρά QWEN της alibaba και η MiMo της Xiaomi.