La start-up chinoise de l'IA DeepSeek introduit une nouvelle méthode pour rendre les grands modèles plus efficaces, réduire les coûts et stimuler l'évolutivité. Chinese AI startup DeepSeek introduces new method to make large models more efficient, reducing costs and boosting scalability.

DeepSeek, une startup chinoise de l'IA, a dévoilé une nouvelle méthode de formation appelée Manifold-Constrained Hyper-Connections, conçue pour rendre les grands modèles d'IA plus efficaces et évolutives tout en réduisant les coûts de calcul et d'énergie. DeepSeek, a Chinese AI startup, has unveiled a new training method called Manifold-Constrained Hyper-Connections, designed to make large AI models more efficient and scalable while reducing computational and energy costs. La technique, détaillée dans un article co-écrit par le fondateur Liang Wenfeng et publié sur arXiv, aborde les problèmes d'instabilité et de mémoire de l'entraînement dans les modèles précédents, permettant une formation stable sur 3 milliards à 27 milliards de systèmes de paramètres avec un calcul minimal. The technique, detailed in a paper co-authored by founder Liang Wenfeng and published on arXiv, addresses training instability and memory issues in prior models, enabling stable training across 3 billion to 27 billion parameter systems with minimal added compute. Forte des travaux antérieurs de ByteDance, cette approche reflète la tendance de la Chine à l'innovation en matière d'IA malgré les restrictions américaines en matière de semi-conducteurs. Building on ByteDance’s earlier work, the approach reflects China’s push for AI innovation despite U.S. semiconductor restrictions. La sortie alimente l'anticipation pour DeepSeeks prochain modèle majeur, probablement R2, attendu autour du Festival de printemps en février. The release fuels anticipation for DeepSeek’s next major model, possibly R2, expected around the Spring Festival in February.