DeepSeek Menutup Kesenjangan dengan Astra Melalui Distilasi Model Semasa Perbincangan Kecekapan Kos

iconMetaEra
Kongsi
AI summary iconRingkasan
Pendaftaran token baharu menarik perhatian kerana model DeepSeek V4.1-Flash-1017 meningkatkan skor Penggunaan Browser kepada 75.0, mendekati 77.9 Astra. Kemas kini ini mengurangkan kos setiap tugas kepada $0.22, jauh lebih rendah berbanding $10.77 Astra. Laporan menunjukkan DeepSeek dan Moonshot mungkin telah menggunakan output Astra semasa pelatihan, walaupun butiran masih tidak jelas. Distilasi model kini menjadi strategi utama dalam perlumbaan AI, memicu perbincangan mengenai kebenaran data dan kecekapan kos. Trend data inflasi juga mempengaruhi perasaan pelabur terhadap aset AI yang muncul.
Pemendakan mempercepat pengejaran model, serta membawa persaingan teknologi ke tahap baru dalam pemberian lesen data, kecekapan kos, dan kemampuan orisinal.

Penulis artikel, sumber: ME News

TL;DR

  • Pada 17 Oktober, DeepSeek mengemas kini V4.1-Flash-1017, dengan skor ujian operasi peramban pihak ketiga meningkat dari 70.9 kepada 75.0, hampir mendekati 77.9 Astra.
  • Dalam ujian yang sama, kos model untuk setiap tugas DeepSeek adalah sekitar US$0.22, manakala Astra adalah US$10.77, iaitu kira-kira satu per empat puluh sembilan daripada yang terakhir, tetapi ini bukanlah keseluruhan kos pembangunan model.
  • The Information menyatakan bahawa model baru DeepSeek dan Moonshot menggunakan output Astra; pernyataan ini berasal daripada sumber anonim yang mengetahui perkara itu, tetapi jumlah data dan peratusan sumbangan belum diumumkan.
  • Lebih penting untuk diperhatikan daripada sekadar menentukan siapa yang “menjiplak” siapa: distilasi sedang mempercepat pengejaran model, serta membawa persaingan teknologi ke tahap baru yang berfokus pada pengesahan data, kecekapan kos, dan kemampuan orijinal.

Kenapa pembaruan versi kecil ini menarik perhatian sebesar ini?

Pada 17 Oktober, DeepSeek mengupas V4.1-Flash kepada V4.1-Flash-1017. Catatan pembaruan rasmi untuk pembaruan ini sangat berhati-hati: peralihan serentak ke laman web, aplikasi, dan API, dengan cara pemanggilan dan harga yang tidak berubah. Yang benar-benar menarik perhatian luar ialah hasil ujian pihak ketiga yang kemudian diumumkan. Dalam 180 tugas operasi jangka panjang laman web sebenar, model versi baharu mendapat skor 75.0, manakala versi sebelumnya ialah 70.9, meningkat sebanyak 4.1 poin. Pada masa yang sama, GPT-6 Astra dari OpenAI mendapat skor 77.9, manakala Claude Opus 5.5 mendapat 75.0. Dengan ini, DeepSeek memasuki kumpulan terdepan dalam skenario ujian ini.

Lebih mengejutkan lagi ialah kos. Browser Use menganggarkan bahawa versi terbaru DeepSeek menghabiskan kos panggilan model sekitar US$0.22 setiap tugas, manakala Astra ialah US$10.77, perbezaan sebanyak kira-kira 49 kali ganda. Jika hanya melihat dua nombor ini, ia kelihatan seolah-olah model China telah mampu memberikan kemampuan yang hampir setara dengan model teratas Amerika dengan harga yang sangat rendah. Namun, angka 75.0 di sini adalah purata skor yang dihitung berdasarkan peraturan penilaian, bukan bermaksud 75% daripada 180 tugas telah berjaya diselesaikan; US$0.22 juga hanya merangkumi kos model, tidak termasuk kos operasi browser, carian, dan penilaian. Selain itu, terdapat perbezaan dalam kekuatan inferens dan persekitaran operasi antara model yang berbeza, jadi tidak boleh disimpulkan bahawa DeepSeek setara dengan Astra dalam semua tugas.

Kekangan-kekangan ini tidak mengurangkan signifikansi peningkatan ini. Persaingan AI sedang berubah daripada sekadar membandingkan kemampuan menjawab soalan, kepada membolehkan model memanggil alat secara berterusan, memahami laman web, dan menyelesaikan tugas-tugas yang kompleks. Apabila prestasi mendekati ambang kelayakan, perbezaan kos boleh secara langsung mempengaruhi sama ada syarikat bersedia untuk melaksanakan dalam skala besar. Yang benar-benar patut diperhatikan tentang DeepSeek bukanlah ia telah melampaui semua orang secara menyeluruh, tetapi ia telah mendorong gabungan prestasi dan harga ke tahap yang lebih tinggi dalam satu senario yang mempunyai nilai perniagaan.

Apa yang dimaksud dengan distilasi Astra menurut media asing

Pada 28 Oktober, The Information mengutip laporan daripada beberapa sumber yang secara langsung mengetahui bahawa V4.1-Flash-1017 daripada DeepSeek dan Kimi K3.1 Pro daripada Yue Zhi An Mian banyak menggunakan output GPT-6 Astra semasa pembangunan mereka. Laporan itu juga menyatakan bahawa Liang Wenheng awalnya enggan bergantung kepada distilasi dalam pembangunan V4, tetapi akhirnya mengubah sikapnya akibat kemajuan pesaing tempatan seperti ZhiPu. Reuters kemudian melaporkan semula maklumat tersebut. Perlu ditekankan bahawa perincian mengenai strategi latihan dalaman dan keputusan peribadi ini masih berdasarkan sumber anonim, bukan fakta yang diakui secara terbuka oleh DeepSeek, dan tiada data yang mencukupi untuk mengukur sejauh mana Astra menyumbang kepada peningkatan prestasi.

Yang dimaksud dengan distilasi model, secara ringkas, ialah membiarkan model yang lebih cekap bertindak sebagai guru, menghasilkan jawapan, langkah penyelesaian, atau contoh tugas, kemudian menggunakan data ini untuk melatih model lain. Ia tidak secara automatik bermaksud menyalin parameter, dan jangan difahami sebagai menekan butang untuk memindahkan model guru sepenuhnya. Sejauh mana model pelajar dapat belajar bergantung pada lingkup sampel, kualiti data, kaedah latihan, serta arsitektur sendiri; dalam skenario panggilan alat yang kompleks, pembelajaran penguatan seterusnya dan maklum balas dari persekitaran sebenar juga penting.

Penggubalan sendiri adalah kaedah pembelajaran mesin yang matang, dan makmal besar juga menggunakan model kuat mereka sendiri untuk membimbing model berkos rendah. Perbezaan berlaku pada tahap lain: jika memanggil secara beramai-ramai sistem tertutup pesaing tanpa kebenaran, terutamanya dengan usaha untuk mengekstrak proses inferens yang sebelumnya tidak dipaparkan, ia boleh melanggar syarat perkhidmatan, kepentingan perniagaan, dan sempadan keselamatan. Oleh itu, apabila membincangkan laporan ini, perlu dipisahkan antara “menggunakan teknik penggubalan” dengan “mendapatkan kemampuan model orang lain secara melanggar peraturan”; bagi tuduhan spesifik, masih diperlukan bukti yang boleh disahkan.

Peralihan dari Claude ke Astra mencerminkan peningkatan serangan dan pertahanan

Mengapa laporan itu secara khusus menarik Astra ke depan pada masa ini? Perubahan utama bukan sahaja kerana OpenAI melancarkan model guru yang lebih kuat, tetapi juga kerana Anthropic sedang meningkatkan kesukaran untuk mendapatkan data latihan Claude. Pada Februari tahun ini, Anthropic secara terbuka menyatakan bahawa DeepSeek, Moonshot, dan MiniMax menggunakan sekitar 24,000 akaun penipuan untuk berinteraksi lebih dari 16 juta kali dengan Claude; semua ini adalah kesimpulan penyiasatan yang hanya dinyatakan oleh Anthropic. Pada 12 Oktober, syarikat itu kembali mengumumkan bahawa langkah-langkah pengesanan dan pembatasan baharu yang dilaksanakan telah mengurangkan jumlah data yang diperoleh daripada serangan distilasi sebanyak 90% hingga 99%.

OpenAI juga tidak tinggal diam. Pada 30 September, ia mengumumkan telah menghentikan satu tindakan terkoordinasi yang berusaha mendapatkan kandungan inferensi yang dilindungi, dengan aktiviti tersebut bermula pada awal Julai, dan mencapai puncak pada 24 hingga 25 Julai dengan sebanyak 16,000 permintaan dari lebih 4,000 akaun pengguna. OpenAI menyatakan bahawa salah satu kumpulan aktiviti utama dikaitkan dengan individu yang berkaitan dengan Moonshot, tetapi tidak menyatakan bahawa semua peserta berasal daripada pihak yang sama. Pengumuman daripada dua syarikat Amerika ini menunjukkan bahawa output dan jejak inferensi model terkini telah menjadi aset kompetitif yang layak menerima sumber perlindungan khusus.

Jika perlindungan Claude memang meningkatkan kos pengambilan data secara ketara, maka tidak hairan jika model kuat lain menjadi sasaran baru. Ini tidak membuktikan bahawa semua makmal tempatan mengambil tindakan yang sama, tetapi mengungkapkan satu trend yang lebih realistik: model canggih bukan sahaja merupakan produk perisian yang menyediakan perkhidmatan, tetapi juga boleh menjadi objek pembelajaran oleh pembangun lain. Semakin besar kepentingan yang diberikan oleh pengilang model terhadap perlindungan kemampuan unik mereka, semakin berterusan peningkatan pertarungan antara distilasi dan anti-distilasi.

Peralihan Liang Wenfeng: Impian asli berhadapan dengan persaingan produk

Penerangan mengenai Liang Wenheng dalam The Information adalah bahagian paling dramatik dan paling perlu ditangani dengan berhati-hati dalam keseluruhan perkara ini. Laporan tersebut berpendapat bahawa beliau awalnya menginginkan V4 kurang bergantung kepada pemprosesan luaran, tetapi menerima tekanan persaingan selepas produk seperti Zhipu GLM mencapai kemajuan dengan menggunakan kaedah berkaitan. Pihak luar belum boleh mengesahkan perbincangan dalaman ini secara bebas, dan lebih-lebih lagi tidak boleh menyimpulkan bahawa DeepSeek telah meninggalkan pembangunan asli. Namun, pernyataan ini memang menyentuh kontradiksi sebenar dalam industri AI: jalan teknologi boleh mengejar kebebasan jangka panjang, tetapi pasaran akan menguji prestasi produk setiap kuartal atau bahkan setiap bulan.

Perusahaan model kini tidak lagi hanya bersaing dalam senarai akademik. Pembangun prihatin sama ada agen kod boleh menyelesaikan pengubahsuaian dengan boleh dipercayai, perusahaan prihatin sama ada proses perniagaan boleh diotomatiskan, dan pelanggan API terus membandingkan ketepatan, kelajuan, dan bil. Jika pesaing menggunakan kaedah latihan yang matang untuk memendekkan tempoh pengejaran, menolak kaedah ini mungkin bermakna kos peluang yang lebih tinggi. Oleh itu, sama ada menggunakan pendidikan bukanlah pilihan binari antara keaslian dan peniruan; soalan sebenarnya ialah sama ada sumber data adalah sah, sama ada memiliki penyelidikan asas sendiri, dan sama ada mampu menukar pengambilan inspirasi menjadi keupayaan inovasi yang boleh diulang secara jangka panjang.

Tidak boleh mengabaikan akumulasi teknologi yang sudah ada oleh DeepSeek. V4.1-Flash yang dilancarkan pada September menggunakan arsitektur campuran pakar dengan jumlah parameter keseluruhan 552 bilion, di mana pihak rasmi menyatakan bahawa sekitar 8 bilion parameter diaktifkan pada peringkat input dan sekitar 16 bilion parameter pada peringkat output, serta menggunakan skema pra-pelatihan dan pembelajaran peningkatan yang baru. Berbanding arsitektur generasi sebelumnya, pihak rasmi juga melaporkan penurunan ketara dalam cache KV. Peningkatan ini berlaku sebelum peningkatan pada 17 Oktober, dan tidak semuanya boleh disebabkan oleh Astra; ini juga menunjukkan bahawa prestasi berkos rendah didasarkan kepada asas arsitektur dan rekabentuk sistem. Menjelaskan semua kemajuan sebagai hasil distilasi juga akan menyembunyikan usaha penyelidikan dan pembangunan sebenar yang dilakukan oleh pasukan China.

Perbezaan kos 49 kali, mengapa lebih penting daripada skor sekali lari

Dari sudut pandang perniagaan, harga kemampuan model sedang menentukan sempadan aplikasi AI. Produk chat yang hanya memanggil model secara jarang tidak terlalu peka terhadap kos setiap panggilan; tetapi agen yang secara automatik melayari laman web, mengambil maklumat berulang kali, dan melaksanakan tugas berperingkat banyak mungkin menghasilkan banyak panggilan dalam satu kerja. Jika kos model boleh diturunkan dari beberapa belas dolar kepada beberapa sen, proses perniagaan yang sebelumnya tidak ekonomik mungkin kembali masuk ke dalam lingkungan yang boleh dilaksanakan. Ini juga merupakan sebab utama mengapa penampilan DeepSeek kali ini menarik perhatian.

Namun, nombor 49 kali perlu difahami dalam konteks senarai penuh. Dalam ujian Penggunaan Browser yang sama, GPT-6.1 Sol mendapat 79.6, dengan kos model sekitar USD1.30, menunjukkan bahawa Astra bukanlah rujukan paling berkesan dari segi kos di antara semua model yang tersedia. DeepSeek versi baharu mencapai skor 74.0 dengan kos inferens rendah sebanyak USD0.12, sekali lagi menunjukkan bahawa kombinasi optimal antara kos dan keupayaan tidak semestinya berlaku pada tahap inferens tertinggi. Bagi pembelian korporat, sepatutnya membandingkan kadar penyelesaian sebenar, bilangan percubaan semula, latensi, kestabilan, dan keseluruhan kos di bawah keperluan tugas yang sama, bukan menjadikan gandaan harga satu pasangan model sebagai peraturan am.

Sama pentingnya, inferensia yang murah tidak bermakna latihan juga murah, apalagi memperoleh kemampuan secara percuma melalui distilasi. Mendapatkan data berkualiti tinggi, membersihkan sampel, menjalankan pembelajaran berpenguatan, dan melancarkan perkhidmatan inferensia semuanya memerlukan sumber daya. Ia lebih menyerupai pengalihan semula pelaburan penyelidikan: mengurangkan kos percubaan dan kesilapan dalam eksplorasi kemampuan tertentu, serta mengalihkan lebih banyak usaha kepada penghasilan produk, pengoptimuman sistem, dan kebolehpercayaan dalam skenario tertentu. Kelebihan efisiensi seperti ini mempunyai nilai sebenar, tetapi tidak boleh dicampuradukkan dengan kos melatih model terkini dari awal.

Soalan seterusnya DeepSeek bukanlah mengejar dua mata lagi

Pada 24 Oktober, Moonshot melancarkan Kimi K3.1 Pro, yang menurut pihak rasmi memiliki skala parameter sekitar 3 trilion, jendela konteks 1 juta token, serta peningkatan kemampuan dalam kod, penyelidikan kewangan, dan tugas agen; bobot penuh dijadualkan dibuka sebelum 4 November. DeepSeek dan Kimi secara serentak mempercepat jalan ke arah model berkeupayaan tinggi dan kos rendah, menunjukkan bahawa fokus persaingan pengeluar model tempatan sedang berpindah dari “mampukah mereka mencipta model besar” kepada “siapa yang boleh mengubah kemampuan terkini menjadi produk yang boleh ditempatkan dengan lebih cepat”. Kontroversi distilasi yang diungkap oleh media asing adalah sisi lain daripada persaingan kelajuan ini.

Saya berpendapat bahawa pengekstrakan akan terus menjadi alat penting dalam industri model, tetapi ketergantungan kepada guru luar bukanlah parit pertahanan yang boleh dipertahankan selama-lamanya. Sekiranya model guru menghadkan akses, menaikkan harga, atau mengubah cara output, laluan pengulangan model pelajar mungkin terganggu; selain itu, tindakan mendapatkan inferens secara sembunyi-sembunyi juga membawa risiko kepatuhan dan reputasi. Sebaliknya, infrastruktur, data asli, persekitaran pembelajaran penguatan, sistem inferens, dan maklum balas pengguna lebih mungkin menjadi aset yang boleh dikendalikan oleh pasukan sendiri.

Jadi, mengapa versi terbaru DeepSeek tiba-tiba menjadi lebih kuat? Jawapan yang paling berasas pada masa ini ialah: ia sebenarnya sedang mempercepat pengoptimuman arsitektur dan kecekapan latihan, dan laporan terkini menunjukkan bahawa distilasi Astra mungkin juga menjadi penyumbang penting kepada lonjakan kemampuan ini. Mengenai sejauh mana ia menyumbang, bukti awam masih belum mencukupi untuk memberikan nisbah yang tepat. Yang benar-benar patut diperhatikan bukanlah sama ada Liang Wenheng telah membuat kompromi dalam satu pilihan teknikal, tetapi sama ada DeepSeek akan mampu secara berterusan mereplikasi kemajuan seperti ini tanpa bergantung kepada output model terkini dari pihak luar. Itulah ujian sebenar bagi menentukan sama ada sebuah syarikat AI boleh berubah dari pengekor yang cekap menjadi penentu teknologi.

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.