Búsqueda · 19 momentos en 8 episodios
Sara RobiscoJosé EdelsteinFrancis VillatoroHéctor SocasGastón Giribetdeepseek requiere insistencia técnicarespuestas deepseek detalles rápidosexceso demanda deepseek inaccesibleHéctor SocasGPTOpenAIMicrosoftDeepSeekLlamaSam AltmanChinaCoffee Break: Señal y RuidoSara RobiscoChatGPTHigh FlyerLinuxChar G.P.T.SaraDeep SeekNVIDIA H800GPU
Exceso demanda DeepSeek inaccesible
Con
0:000:301:001:302:002:303:11
Héctor Socas reflexiona sobre la experiencia de usar DeepSeek, comparándolo con GPT y notando que requiere un poco más de insistencia para obtener respuestas técnicas detalladas.
…un poco más técnico o sea, tienes que sacarle con cuchara. Debe estar muy alineado para que sea muy didáctico y muy pedagógico y es como muy, o sea, te cuesta, ¿no? Tienes que insistirle bastante para que te explique cosas con un cierto nivel técnico, ¿no? Y sin embargo me da la impresión de que este no tanto, o sea que enseguida la primera respuesta era muy superficial pero en cuanto le rascas un poquito y le preguntas un poquito más por los detalles ya sí que va más rápidamente a los detalles y eso me pareció más interesante; pero bueno también es verdad que estos dos días que lo he estado probando había muchas veces que estaba inaccesible, que estaba colgado, que tal, que supongo que es por el exceso de demanda que está teniendo. También eso pasaba, me acuerdo; al principio con CharGPT había muchas veces que estaba colapsado y de hecho una de las ventajas de pagar el plus era que no te garantizaban pero sí te decían que tenías más prioridad y era menos probable que te lo encontraras…
Significado #1 · Palabras #1
Sara Robisco introduce un nuevo modelo de lenguaje llamado DeepSeek, originario de China, tras una serie de noticias impactantes sobre él.
Habla: Sara RobiscoSignificado #4 · Palabras #9nuevo modelo lenguaje deep seekservidores petados deep seekinvestigación ciencia tecnología actualidadchatgpt predominio actualmodelos lenguaje uso prácticodeep seek chinagrandes modelos lenguaje nivelmodelo lenguaje deepseek chinanoticias impactantes deepseekseparar señal ruido deepseekdeepseek modelo lenguaje chinaevolución sistemas expertos década 90entrenamiento deepseek información genéricamodelo deepseek open sourcedeepseek comparativa sistemas expertospesos de entrenamiento deepseek liberadosconjunto datos deepseek no compartidodeepseek framework redes neuronalessoftware descargable investigación entrenamientoredes neuronales reproducir sistema deepseekarquitectura deepseek no es simpledeepseek basado en open sourcemodelos lenguaje papers publicadosoptimización deepseek carrera…pronto tendremos cositas también divertidas que anunciar sin llegar a ese nivel que nos ha planteado José, pero para los cientófilos y amantes de este programa pues yo creo que pronto les traeremos buenas noticias de cositas que van a pasar, cosas divertidas. Ya, más que nada para no estar mezclando, pues son escalas diferentes; no hay que mezclar escalas. Otro día, yo creo que la próxima semana podemos empezar a hablar de algunas cositas que pueden ser de interés para los oyentes de este programa. Vamos entonces con más cosas de interés, en este caso ya sí de la actualidad del mundo de la investigación, la ciencia y tecnología en los últimos días; está todo el mundo hablando: es el run run en la calle. El nuevo gran modelo de lenguaje, el Deep Seek, está todo el mundo probando; los servidores están petados ahí, pero más o menos, va sacando la cabeza fuera del agua y poco a poco va dando abasto en algunas cosas y podemos estar probando un nuevo actor en este escenario de los grandes modelos de lenguaje. y sobre todo de los adaptados para el uso práctico, los que hemos venido usando yo creo todo el mundo, últimamente con sobre todo ChatGPT, también en menor medida otros muchos que hay que siempre nos olvidamos, parece que siempre que solo está ChatGPT, pero hay muchos otros con muy buen nivel, es realmente asombroso lo que pueden hacer hoy en día estos grandes modelos de lenguaje y ahora ha irrumpido con fuerza otro, que Sara nos va a hablar de Deep Seek, que además viene de China, con todo lo que eso lo involucra. Sí, la verdad es que tenemos... Empieza bien el año de la serpiente. Empiezan los chinos, empiezan sembrados, empiezan a tope. Sí, tenemos este nuevo modelo sobre el que habéis oído muchísimas noticias, cosas muy tremendas y claro aquí estamos para separar la señal de ruido, el grano de la paja, entonces vamos a ver un poquito qué es DeepSeek. DeepSeek es un nuevo modelo de lenguaje, rollo Llama, Chat GPT, que para mí es una evolución que nosotros teníamos en los años 90, llamados sistemas expertos; solo que en el caso de estos modelos suelen ser sistemas expertos en nada porque se nutren, se entrenan con una información muy genérica. Deepseek es un modelo open source, no es un modelo cerrado como por ejemplo ChatGPT y esto es bastante positivo. Ellos han liberado; se puede descargar de arquitectura, tienes el modelo liberado. Tienes los pesos de entrenamiento, también los han compartido; lo único que no han compartido es el conjunto de datos de entrenamiento y test. Y eso se guardan para ellos, pero lo que es arquitectura, todo lo que el software lo tienen Más que un modelo, tenemos que hablar de un framework, porque ya es un sistema bastante complejo ya que lo que tú te descargas para investigación, lo que nos podemos descargar si queremos jugar, si queremos entrenar otra red, si queremos reproducir lo que ellos han hecho te vas a descargar el sistema que han diseñado para entrenarlo, te vas a descargar las redes neuronales, todo entonces no es algo tan simple como un modelete, como una red de citar neuronal, una arquitectura y tira, no, es un poquito más complejo Entonces, ¿qué han hecho? ¿Por qué ahora ha salido? Pues esto es un poco la fuerza y tenemos que insistir en esto, la fuerza y la ventaja de tener Modelos open source porque esta gente no ha partido de cero. En DeepSync no sale de cero, lo que han hecho es que se han basado en más modelos que han ido saliendo en papers que se han publicado, en otros modelos de código abierto y ellos han estado mirando, comparando y en base a esto han generado su propio modelo al cual han aplicado optimización, lo que en la carrera. De informática, Francis, seguro que coincide, que se da en los primeros años: que es eficiencia de algoritmos, métodos de optimización, todo esto que es tan importante y que en las últimas décadas se nos ha olvidado. En las últimas décadas, por desgracia, en…
Sara Robisco explica que el sistema DeepSeek predice palabras en bloques, lo que aumenta significativamente la velocidad de inferencia en comparación con el método de predecir palabra por palabra.
Habla: Sara RobiscoSignificado #11deepseek compresión índices claveinferencias reducción memoria virtualredes recurrentes trabajan textossistema deepseek predice bloquesvelocidad inferencia deepseek aumentarespuesta rápida gracias deepseekmenos recursos con deepseek…usando números en coma flotante con una precisión de 32 bits para coma flotante y ellos dicen bueno vamos a usar 8 bits, tampoco pierdes tanto en comparación con lo que ahorras, entonces esto en que repercute en un ahorro de memoria RAM bastante grande, bien, luego los índices clave valor en los que se basa para hacer inferencias los han comprimido, han llegado a alcanzar un 93% de radio de compresión reduciendo el uso de memoria virtual, vale, más eficiente, luego en lugar de ir prediciendo como hace ChattGPT, como hacen todos los modelos actuales que van prediciendo token a token, a ver nosotros cuando hablamos de token es Estas redes recurrentes que trabajan con textos les van entrando tokens, sería un poco las palabras, van entrando palabras y ellos predicen cuál sería la siguiente palabra a decir Entonces en función del texto de cómo va evolucionando van prediciendo palabra a palabra, Bueno pues este sistema no predice palabra a palabra sino que te crea un chorro de palabras varias juntas. ¿Esto qué hace? Pues se aumenta mucho la velocidad de inferencia. A la hora de darte una respuesta es más rápido y esto es una ventaja muy buena porque claro, a más velocidad con menos recursos vas bien. Y luego han aplicado una cosa que nos gusta mucho en informática: que es el sistema de dividir y vencerás. ¿En qué consiste? Divide y vencerás es una técnica que usamos mucho; es cuando tienes un problema grande, algo que es poco abarcable, lo dividimos en…
Sara Robisco explica las ventajas de la técnica 'divide y vencerás' aplicada a DeepSeek, destacando el ahorro de costes al entrenar modelos más pequeños.
Habla: Sara RobiscoSignificado #20deepseek y técnica divide vencerásahorro costes modelos pequeñosnvidia h800 en deepseekcautela con informe técnico deepseek…y así resolvemos antes los problemas. Ellos han hecho lo mismo: en lugar de usar un modelo gigantesco, monolítico, lo que han hecho es que lo han dividido en pequeños modelos más pequeñitos y los han puesto a trabajar juntos. ¿En qué ganamos con esto? Fácil, estos pequeños modelitos se entrenan con menos necesidad de potencia y menos GPU, así que es un ahorro de costes bastante majete. También os digo, hay que ser un poquito escépticos; ellos nos comentan cosas interesantes en su artículo, como por ejemplo que usan 2048 GPUs NVIDIA H800, que no son lo último pero bueno, no están mal, pero tienen bastante buen resultado. Si lo habéis conseguido probar este modelo, oye, responde muy bien. Entonces, mi duda es realmente han usado estas GPUs este paper; bueno, ellos lo ponen dar un informe técnico bastante interesante, pero lo que tenemos es que ser cautelosos ahora. Y esperar. ¿Esperar a qué? A que otros grupos de investigación repitan, reproduzcan esto, porque si lo han conseguido esto tiene que ser reproducible. Así que por ahora bien, pero vamos a dejar un poquito como todo en cuarentena. Para que os hagáis una idea…
Sara Robisco explica que DeepSeek funciona bien en inglés y chino, pero tiene problemas al procesar español.
Habla: Sara RobiscoSignificado #10 · Palabras #14deepseek funciona bien inglés chinoproblemas deepseek procesar españoldeepseek nivel chat gpt ingléscastellano deepseek mezcla inglés…me parece que es un avance y que tener más modelos de código abierto que podamos probar y jugar está interesante. Bueno, ahora vamos a hablar un poco de los resultados: le han puesto a trabajar en distintos benchmarks, que son bancos de pruebas ¿Y qué nos da? Deepseek solo habla inglés y chino, ¿vale? Y en inglés y chino se defiende muy bien; está al nivel de un chat GPT. ¿Por qué es recomendable, ellos os recomiendan, que hables con él en inglés o chino? Porque en otros tú le puedes hablar en español, sí, en castellano, pero se traba. Va a tener problemas de liarse entre lenguajes, o sea, no te extrañe que tú estés hablando en castellano y el tío mezcle palabras en inglés y castellano. Perdona Sara, será a lo mejor modelos anteriores; yo he estado usando el R1 que es el más novedoso y habla perfectamente español y en inglés sin ningún problema. Sí, inglés o habla. He tenido conversaciones largas y no tiene problema. Sí, habla inglés y…
Héctor Socas aclara que DeepSeek, un modelo de lenguaje, no fue creado por el gobierno chino, sino por una empresa llamada DeepSeek, respaldada por un fondo de inversión llamado High Flyer.
Habla: Héctor SocasSignificado #15 · Palabras #15modelo lenguaje deepseek high flyerfondo inversión high flyer chinamicrosoft archirrival linux open sourceopen source grandes empresas microsoft…que nos llega está tan politizado que hay mucha controversia sobre que China ha hecho o ha dejado de hacer y tal. Y hay que tener en cuenta que aquí, aunque realmente subyace detrás cierta estrategia geopolítica y lo demás, aquí estamos hablando de empresas. Exacto. Esto no es el gobierno chino quien ha creado este modelo de lenguaje. Es una empresa que se llama DeepSeek, que pertenece a un fondo de inversión que se llama High Flyer, que está radicado en China. Pero es una empresa china que pertenece a un fondo de inversión chino, tampoco es un grupo de chavales en su garaje. Exacto, tienen pasta. Claro, cuando uno dice open source puede llevarse a cierto engaño pensando en la comunidad Linux. Open source también se usa en grandes empresas y bueno, Microsoft por ejemplo ha sido muy emblemático como ha terminado por abrazar, de haber pasado a ser el archirrival del mundo open source de Linux. Ahora Microsoft usa Linux en sus servidores internamente y es uno de los grandes desarrolladores del open source de Linux. Sí, para haceros una idea, Llama, que es el modelo conversacional de chat GPT de Facebook, de Meta, es open source. No te meta con él. Exacto, Llama es open source. La tarjeta, dijimos que me iba a estar quietito. No tengo tarjetas, tienes vía libre pues eso,…
Héctor Socas aborda un rumor sobre una supuesta demanda de OpenAI contra DeepSeek por copia y aclara que no es cierta, aunque sí se ha comentado que Microsoft, un importante patrocinador de OpenAI, podría estar involucrado en alguna acción legal.
Habla: Héctor SocasSignificado #2 · Palabras #2openai demanda a deepseekmicrosoft patrocinador de openairumor copia por openaidestilación modelo deepseek microsoftentrenamiento con llama y char gptinvestigación microsoft sobre destilación…principio era todo código abierto y luego lo fueron cerrando, pero los modelos de ChatGPT hasta 3 era todo abierto, creo que 3.5 empezaba a ser parcialmente; el 3.5 algunas cosas eran abiertas y otras no, que es un poco la situación en la que está DeepSeek. entonces claro, hay que verlo, hay gente que dice, hay un rumor por ahí en una leyenda urbana de que OpenAI le ha puesto una demanda porque dice que les han copiado, eso no es cierto lo que si es cierto que se ha dicho es que Microsoft en particular, que es uno de los grandes patrocinadores de OpenAI Microsoft está investigando; no es que hayan puesto una demanda, todavía no han llegado a ese punto, pero están investigando si se ha hecho una cosa que se llama destilar, que consiste en, digamos que tú haces preguntas y respuestas al otro modelo y usas eso para entrenar el tuyo. Sí, de hecho en el propio artículo lo dicen; ellos mismos dicen que han destilado, pero han destilado a Llama y hay otra que han destilado también; han destilado dos modelos de código abierto. Para esos códigos es legítimo, pero por ejemplo OpenIA no te permite hacer eso con ChatGPT, no está permitido por los términos de uso, entonces habrá que verlo, pero lo que está claro es que a mí me parece que es buenísimo, funciona maravillosamente bien, yo…
Héctor Socas explica cómo está experimentando con DeepSeek y destaca una característica importante: su API es compatible con la de GPT.
Habla: Héctor SocasSignificado #6 · Palabras #5api deepseek compatible con gptadaptación trivial programas gptpágina web deepseek caída mantenimientoregistro requerido para acceder deepseekdeepseek avalancha de usuariossistema deepseek viralización recienteapp deepseek problemas técnicos…experimentos. O sea, una cosa es poner ahí una preguntita en un prompt, pero realmente para comparar modelos y tal, tienes que hacer experimentos. Claro, tiene que ser sistemático, tienes que repetirlo muchas veces, hacer estadística de los resultados y tal. Entonces eso lo hago con una API. Resulta que vi y me pareció chulísimo que DeepSeek, una de las cosas guays que ha hecho es que ha hecho su API compatible con la de GPT, o sea que si tú tienes un programa que use GPT en principio es trivial de adaptarlo para que use la de. DeepSeek. Entonces lo estuve intentando pero lleva desde ayer caída; bueno, caída está cerrada por mantenimiento la página, o sea ellos dicen que sí que tienen su app y que puedes acceder y tal y de hecho he estado mirando la documentación ya me he hecho el programa y todo pero tienes que digamos que apuntarte, tienes que registrarte que Te den la clave y tal, y esa página lleva desde ayer por la mañana en mantenimiento. Entonces, claro, yo me imagino que les debe haber venido una avalancha de peticiones de repente de todo el mundo. Esto se ha hecho tan viral que está todo el mundo queriendo probar el nuevo sistema, ¿no? Así que no he podido usar la app y a ver si de aquí a la semana que viene tengo tiempo. Una cosa también muy curiosa que a mí me ha gustado es que se puede, te puedes descargar y puedes trabajar en el local. Sí, pero es un modelo más pequeño. Sí, claro, hombre, obviamente tiene que ser más pequeñito para que funcione en tu equipo. Y nada, y…
Héctor Socas reflexiona sobre la experiencia de usar DeepSeek, comparándolo con GPT y notando que requiere un poco más de insistencia para obtener respuestas técnicas detalladas.
Habla: Héctor SocasSignificado #1 · Palabras #1deepseek requiere insistencia técnicarespuestas deepseek detalles rápidosexceso demanda deepseek inaccesible…un poco más técnico o sea, tienes que sacarle con cuchara. Debe estar muy alineado para que sea muy didáctico y muy pedagógico y es como muy, o sea, te cuesta, ¿no? Tienes que insistirle bastante para que te explique cosas con un cierto nivel técnico, ¿no? Y sin embargo me da la impresión de que este no tanto, o sea que enseguida la primera respuesta era muy superficial pero en cuanto le rascas un poquito y le preguntas un poquito más por los detalles ya sí que va más rápidamente a los detalles y eso me pareció más interesante; pero bueno también es verdad que estos dos días que lo he estado probando había muchas veces que estaba inaccesible, que estaba colgado, que tal, que supongo que es por el exceso de demanda que está teniendo. También eso pasaba, me acuerdo; al principio con CharGPT había muchas veces que estaba colapsado y de hecho una de las ventajas de pagar el plus era que no te garantizaban pero sí te decían que tenías más prioridad y era menos probable que te lo encontraras…
Héctor Socas plantea la hipótesis de que las sospechas sobre la destilación de información no autorizada en DeepSeek son infundadas y comenta las declaraciones de Sam Altman, CEO de OpenAI.
Habla: Héctor SocasSignificado #3modelo lenguaje deepseek chinaapi deepseek coste openaifondo inversión deepseek empresa chinarecursos modelo deepseeksospechas destilación deepseek infundadassam altman ceo openai bienvenida competenciamodelo r1 impresionante según sam altmancapacidad computo modelo deepseek limitada…allí para seguir. Vamos a seguir la conversación sobre este y otros temas muy interesantes que tenemos a continuación, y si no nos despedimos hasta la semana que viene. Pero venga, vuelvan con nosotros; búsquenos en el podcast. Hasta ahora, chau, chau, chau. Gracias por seguirnos acompañando o por seguir acompañándonos, como prefieran. Empezamos aquí la cara B de este episodio número 497 de Coffee Break, que empieza a acercarse a un número bastante redondo y vamos a seguir destripando un poco este gran modelo de lenguaje DeepSeek, que nos viene de China, aunque insisto, no del gobierno chino, de una empresa, una empresa china, de un fondo de inversión. Estas cosas son caras, aunque se ha dicho y es importante resaltarlo, que es más barato; efectivamente, la API de hecho es como menos de la décima parte de lo que cuesta la de OpenAI, la de GPT es mucho más barato y también parece, en principio, por lo que sabemos, que cuesta también menos recursos correr este modelo. Vamos a seguir hablando de esto; vamos a ser bien pensados y vamos a asumir que está todo correcto, o sea, que estas sospechas que hay de haber estado destilando cosas que no deberían son infundadas. Sam Altman, por cierto, el CEO de OpenAI en su línea habitual con su discurso de terciopelo no ha sido agresivo sino que al contrario ha dicho que es bienvenido un competidor más; que cuanto más sean mejor; que le parece impresionante el modelo R1; que le impresiona mucho lo que han podido conseguir con tan poco, con menos capacidad de cómputo. Y que esto es algo positivo, pero que no se piense nadie que ya OpenAI ha llegado hasta su techo; o sea, que ellos ya tienen muchas cosas más avanzadas que las van a ir sacando este año, o sea, lanza un mensaje de buen rollista, como suele hacer él siempre,…