أطلقت شركة DeepSeek الصينية نموذجًا جديدًا يحمل اسم DeepSeek V3.2-Exp، واصفة إياه بأنه “مرحلة وسيطة” نحو بنية الجيل القادم من تقنياتها. كما أكدت الشركة أن النموذج الجديد أكثر كفاءة في التدريب وأفضل في معالجة النصوص الطويلة مقارنة بالإصدارات السابقة.
الشركة تبتكر آلية جديدة
أوضحت الشركة أن النموذج يعتمد على آلية مبتكرة تُسمى DeepSeek Sparse Attention، والتي تهدف إلى خفض التكاليف الحاسوبية وتحسين أداء بعض التطبيقات. ويأتي ذلك ضمن مساعي الشركة لتوسيع قدرتها التنافسية في سوق النماذج اللغوية الكبيرة.
DeepSeek تخفض أسعار واجهة البرمجة
في خطوة لافتة، أعلنت الشركة عبر منصة X أنها خفضت أسعار واجهة البرمجة الخاصة بها بأكثر من 50%، ما يعزز من جاذبية تقنياتها للمطورين والشركات التي تبحث عن بدائل منخفضة التكلفة.
تنافس محلي ودولي محتدم
رغم أن هذا الإصدار قد لا يثير ضجة في الأسواق مثل إصدارات V3 وR1 التي فاجأت وادي السيليكون بداية العام، إلا أن نجاحه قد يضع ضغوطًا متزايدة على منافسين محليين مثل علي بابا Qwen، ودوليين مثل OpenAI. كما أن التحدي الأساسي يكمن في إثبات قدرة النموذج على تحقيق أداء عالٍ مقابل تكلفة أقل بكثير من المنافسين.
خلفية عن الشركة وتكلفة النماذج
تأسست DeepSeek في مدينة هانغتشو عام 2023 بدعم من صندوق التحوط الصيني High-Flyer. وتؤكد الشركة أن تكلفة تدريب نموذجها V3 لم تتجاوز 6 ملايين دولار أمريكي، وهي تكلفة أقل بكثير مما هو متعارف عليه في صناعة النماذج العملاقة. هذا الرقم أثار جدلاً واسعًا حول شفافية التكلفة مقارنة بمنافسين مثل OpenAI التي تُقدّر نفقاتها بمئات الملايين.
انفتاح على مجتمع المطورين
طرحت الشركة نموذج DeepSeek V3.2-Exp كمشروع مفتوح المصدر عبر منصات مثل Hugging Face وModelScope، إلى جانب نشر أكواد تنفيذية لآلية Sparse Attention عبر مكتبات مثل CUDA وTileLang، ما يمنح المطورين فرصة للتجربة والتطوير وتوسيع التطبيقات العملية.
تطبيقات في المجال الطبي
لا يقتصر دور DeepSeek على الأبحاث أو المجال الأكاديمي فقط، بل توسع استخدامه ليشمل القطاع الطبي. ففي مستشفيات صينية كبرى، ساعدت نماذج الشركة في دعم عمليات التشخيص الطبي بدقة أكبر، كما استُخدمت لتحليل الصور الطبية بسرعة وكفاءة، مما ساهم في تعزيز جودة الرعاية.
وبالإضافة إلى ذلك، دعمت الأطباء في اتخاذ قرارات سريرية أفضل، خاصة عند التعامل مع بيانات معقدة تحتاج إلى تفسير دقيق.
تحديات وانتقادات
رغم النجاح التقني، ما زالت DeepSeek تواجه تحديات معقدة. فمن جهة، يشكك خبراء في دقة الأرقام المعلنة حول تكاليف التدريب، مما يثير جدلًا حول مستوى الشفافية. كما تخضع النماذج لرقابة حكومية مشددة في الصين، خصوصًا في القضايا الحساسة سياسيًا واجتماعيًا.
إضافة إلى ذلك، تبرز مخاوف أمنية، إذ قررت بعض الدول مثل جمهورية التشيك حظر استخدام منتجات ديب سيك في المؤسسات الحكومية بسبب مخاطر مرتبطة بانتقال البيانات إلى الصين.
مستقبل DeepSeek والجيل الجديد
في النهاية، تعتبر الشركة أن نموذج V3.2-Exp مجرد خطوة على طريق إطلاق بنيتها الجديدة التي تصفها بأنها أهم إنجاز منذ إطلاق R1 وV3. وإذا تمكنت من تحقيق توازن بين الكفاءة العالية وانخفاض التكاليف، فقد تعيد رسم خريطة المنافسة في الذكاء الاصطناعي عالميًا.
الأسئلة الشائعة (FAQ):
ما هو نموذج DeepSeek V3.2-Exp؟
نموذج DeepSeek V3.2-Exp هو إصدار تجريبي طورته شركة ديب سيك الصينية، كما يمثل خطوة وسيطة نحو الجيل القادم من بنيتها التقنية، مع تحسينات في كفاءة التدريب ومعالجة النصوص الطويلة.
ما الذي يميز DeepSeek V3.2-Exp عن الإصدارات السابقة؟
الاختلاف الأبرز هو اعتماده على آلية Sparse Attention التي تقلل استهلاك الموارد الحاسوبية وتزيد من سرعة الأداء، مما يجعله أكثر كفاءة وأقل تكلفة مقارنة بالنماذج السابقة مثل V3 وR1.
كم تبلغ تكلفة استخدام DeepSeek مقارنة بمنافسيه؟
أعلنت ديب سيك عن خفض أسعار واجهة البرمجة بنسبة تتجاوز 50%، حيث يمكن أن تصل تكلفة الإدخال إلى 0.07 دولار لكل مليون Token، وهي تكلفة أقل بكثير من منافسين مثل OpenAI أو علي بابا Qwen.
هل يستخدم DeepSeek في مجالات عملية خارج التكنولوجيا؟
نعم، تُستخدم بعض نماذج ديب سيك في المستشفيات الصينية لدعم التشخيص الطبي، تحليل الصور الطبية، وتعزيز القرارات السريرية، ما يوضح اتساع نطاق تطبيقاتها.
ما أبرز التحديات التي تواجه DeepSeek؟
تتمثل التحديات في غياب الشفافية بشأن تكلفة التدريب، والرقابة الحكومية على المحتوى في الصين، إضافة إلى مخاوف أمنية دفعت بعض الدول مثل جمهورية التشيك إلى حظر منتجاتها في المؤسسات الحكومية.
