دیپ‌سیک مدل جدید با معماری توجه پراکنده معرفی کرد: کاهش ۵۰ درصدی هزینه‌های هوش مصنوعی

مدل جدید دیپ‌سیک با معماری توجه پراکنده

استارتاپ چینی دیپ‌سیک از مدل هوش مصنوعی آزمایشی جدیدی به نام DeepSeek-V3.2-Exp رونمایی کرده که با معماری نوین «توجه پراکنده» (DSA) وعده می‌دهد هزینه استفاده از هوش مصنوعی برای تحلیل متون طولانی را تا ۵۰ درصد کاهش دهد. این معماری جدید به جای پردازش تمام اطلاعات متن، به صورت هوشمند تنها بخش‌های مهم را شناسایی و تحلیل می‌کند که باعث کاهش چشمگیر بار محاسباتی و هزینه‌های سرور می‌شود.

• کاهش هزینه‌های API در سناریوهای متون طولانی
• امکان دسترسی شرکت‌های کوچک به مدل‌های قدرتمند هوش مصنوعی
• افزایش خلاقیت و رقابت در بازار فناوری
• نگرانی‌های مربوط به اطمینان‌پذیری و دقت انتخاب داده‌ها
• خطر ایجاد سوگیری در خروجی‌های هوش مصنوعی

“واقعیت این است که این مدل‌ها بسیاری از ظرافت‌ها را از دست می‌دهند. سؤال واقعی این است که آیا آن‌ها مکانیسم درستی برای حذف داده‌های غیرمهم دارند؟” – اکترینا آلماسک

این پیشرفت می‌تواند تحول بزرگی در صنعت هوش مصنوعی ایجاد کند اما نیازمند بررسی‌های دقیق برای اطمینان از صحت عملکرد است.