Búsqueda · 26 momentos en 14 episodios
Sara RobiscoJosé EdelsteinFrancis VillatoroHéctor SocasGastón Giribetcolapso inicial chargptprioridad plan de pago chargptdeep seek primer autor archivepublicaciones deep seek formato edicióndeepseek primer autor en archivepapers deepseek empresa autorespdf deepseek solo empresaempresa como primer autor archiveinvestigadores jóvenes archivedueño empresa cuarenta añosPDFFrancis VillatoroArchiveDeepSeekSara RobiscoHigh FlyerChinaMicrosoftLinuxHéctor SocasMetaDeep SeekChar GPTCoffee Break: Señal y RuidoGPTCanariasChatGPTOpenAIGastón GiribetLlamaH800
Papers DeepSeek empresa autores
Con
0:000:301:001:302:002:303:11
Francis Villatoro señala una peculiaridad en los papers publicados en Archive donde DeepSeek aparece como primer autor, explicando que a menudo se incluye el nombre de la empresa seguido de las personas que trabajan allí.
…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 colapsado. Una cosa curiosa que me ha llamado mucha atención y me ha hecho muchas gracias es que los papers publicados en Archive, todos los que han publicado, tienen como autor, como primer autor a la propia Deep Seek. Ah sí, qué graciosos; son muy simpáticos. Que entonces la verdad es que te hace gracia porque está simpaticón. Pero yo creo que es que también hemos de pensar que son chinos y los chinos cuando publican papers, acordaos hace unos años que no se entendía y que costaba mucho, ¿verdad? y ahora la verdad es que yo creo que en formato, todo, yo creo que la he ayudado en la edición. Un pequeño detalle, creo que te equivocas: pone el nombre de la empresa y después pone las personas que pertenecen a la empresa como autores, pero es el clásico; después miras, por ejemplo, el PDF y te encuentras debajo del título solamente el nombre de la empresa. Ah, no es, vale, es que yo estoy viendo el... Título, nombre de la empresa y al final te aparece el listado de personas que trabajan en la empresa. Claro, en Archive está incluido ese primer nombre de la empresa como primer autor, pero no porque el primer autor sea la inteligencia artificial, no, no, es el nombre de la empresa, ¿vale? Y después aparecen los nombrecitos de todos los personajes que pueden haber publicado otros artículos en Archive, porque muchos son todos investigadores, muchos son jóvenes, son jovencísimos la mayoría, pero bueno, algunos son investigadores que tienen más de un paper. El dueño de la empresa esta tiene 40 años. Sí, sí, en general es una empresa de gente joven. De hecho, en alguna noticia lo comentaban: que estaban aceptando a trabajadores actualmente, pero siempre y cuando fueran muy jóvenes, porque querían la creatividad de los muy jóvenes. No querían expertos que vinieran ahí a cambiar lo que ya se sabe y a…
Significado #1 · Palabras #1
Sara Robisco explica cómo DeepSeek, un modelo de lenguaje originario de China, no se desarrolló desde cero, sino basándose en modelos open source y papers publicados.
Habla: Sara RobiscoSignificado #2 · Palabras #5modelo 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…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 es necesario esperar a que otros grupos de investigación reproduzcan los resultados obtenidos con DeepSeek, un modelo de lenguaje desarrollado en China, antes de considerarlos definitivos.
Habla: Sara RobiscoSignificado #20reproducir resultados deepseek grupos investigaciónentrenamiento pre entrenamiento extensión post2048 gpus h800 paralelo2664000 horas gpu preentrenamiento…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 ellos también dividen el entrenamiento, no es entrenamiento test y producción sino hacen un pre-entrenamiento, luego una extensión de contexto y un post-entrenamiento así dividen el entrenamiento en tres pequeñas partes. Para esto usan 2.048 GPUs trabajando en paralelo de este tipo, unas H800. En el preentrenamiento ha tardado menos de dos meses con 2.664.000 horas de GPUs. En la extensión de la longitud del contexto para mejorar su predicción, 119.000 horas de GPU, estamos hablando de que se ha tirado para desarrollar este modelo y tenerlo funcionando necesita mucho tiempo. Y luego 5000 horas de GPU de postentrenamiento, lo cual es bastante, pero si tenemos en cuenta que estas horas de entrenamiento han sido con GPUs más baratas y de menor consumo que el último modelo que están usando otra gente, pues bueno, sí que parece tener…
Sara Robisco explica que DeepSeek funciona bien en inglés y chino, pero tiene problemas al procesar español.
Habla: Sara RobiscoSignificado #15deepseek 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…
Sara Robisco y Héctor Socas discuten sobre la versión más reciente del modelo DeepSeek, específicamente el modelo R1, y su capacidad para procesar español.
Habla: Sara RobiscoSignificado #19modelo deepseek r1 procesa españoldeepseek v1 documento técnicoúltimo modelo público deepseek r1…y en inglés sin ningún problema. Sí, inglés o habla. He tenido conversaciones largas y no tiene problema. Sí, habla inglés y chino, pero en las recomendaciones te piden que procures hablar en inglés y chino porque sí que hace saltos. Yo lo he estado usando en español y no da ningún problema. Yo lo que pone en el documento técnico, que ellos dicen de V1, vamos, de este. Claro, lo que pasa es que han sacado varios modelos muy rápidamente. Yo estoy usando el último que está público, que es el R1. Eso, R1. Es posible que haya mejorado. Sí, R1, lo que pasa es que ya te digo. En el documento técnico te dicen que sí, pero que si ves que puedes ver algún salto que aún no está muy bien perfeccionado; de hecho, el V3, que es el R1 pero con una capa, el V3 va con aprendizaje por refuerzo y luego lo que lleva es el V1. Después de estas…
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 #7 · Palabras #2modelo 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 y Sara Robisco discuten la importancia geopolítica de DeepSeek, un modelo de lenguaje desarrollado por una empresa china, en relación con las restricciones de exportación tecnológica.
Habla: Héctor SocasPalabras #3implicación geopolítica empresa china…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, llama a. eso, pensos, y es una empresa la que está detrás, una empresa como meta, o sea que no tenemos que pensar que son un puñado de hippies Exacto, hay una implicación geopolítica muy importante que es el hecho de que, o sea, el hecho de que esta empresa esté en China sí que tiene una implicación muy importante por las restricciones de exportaciones tecnológicas a China Claro, es desencadenante además de que puedan hacer Siempre un problema; yo recuerdo desde que yo estaba en Estados Unidos ya teníamos problemas para colaborar con gente en China y había que mandarle una cámara; uno se que había que estar pidiendo permisos especiales y demostrar que eso no era tecnología…
Héctor Socas explica cómo está experimentando con DeepSeek y destaca una característica importante: su API es compatible con la de GPT.
Habla: Héctor SocasSignificado #9 · Palabras #16api deepseek compatible con gptadaptación trivial programas gptpágina web deepseek caída mantenimientoregistro requerido para acceder deepseek…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…
Héctor Socas comparte su experiencia al probar DeepSeek y compara sus resultados con los de GPT, notando una preferencia personal por las respuestas de DeepSeek aunque reconoce que podría ser debido a un efecto de novedad.
Habla: Héctor SocasSignificado #14 · Palabras #4sesgo percepción en respuestas deepseek…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 genial por lo demás, he probado a ponerle, por ejemplo, papers y que le hago las típicas preguntas y demás Y hay cosas hasta que me gustan más que cómo las hace GPT No sé si es por el efecto novedad, siempre tenemos este sesgo de cuando algo nuevo nos encandila más la novelería que decimos en Canarias, pero es que me resulta, me gustan más las respuestas, no sé si será percepción porque es subjetivo, hasta que no pueda experimentar pero me da la impresión de que las explicaciones que Te da, o sea con GPT tengo el problema de que si por ejemplo le doy un paper y le pregunto cosas, que es uno de los usos que le suelo dar, sobre todo en papers que son de un tema que no es el mío y no me entero de nada. Voy leyendo el paper y le voy haciendo…
Francis Villatoro señala una peculiaridad en los papers publicados en Archive donde DeepSeek aparece como primer autor, explicando que a menudo se incluye el nombre de la empresa seguido de las personas que trabajan allí.
Habla: Francis VillatoroSignificado #1 · Palabras #1colapso inicial chargptprioridad plan de pago chargptdeep seek primer autor archivepublicaciones deep seek formato edicióndeepseek primer autor en archivepapers deepseek empresa autorespdf deepseek solo empresaempresa como primer autor archiveinvestigadores jóvenes archivedueño empresa cuarenta años…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 colapsado. Una cosa curiosa que me ha llamado mucha atención y me ha hecho muchas gracias es que los papers publicados en Archive, todos los que han publicado, tienen como autor, como primer autor a la propia Deep Seek. Ah sí, qué graciosos; son muy simpáticos. Que entonces la verdad es que te hace gracia porque está simpaticón. Pero yo creo que es que también hemos de pensar que son chinos y los chinos cuando publican papers, acordaos hace unos años que no se entendía y que costaba mucho, ¿verdad? y ahora la verdad es que yo creo que en formato, todo, yo creo que la he ayudado en la edición. Un pequeño detalle, creo que te equivocas: pone el nombre de la empresa y después pone las personas que pertenecen a la empresa como autores, pero es el clásico; después miras, por ejemplo, el PDF y te encuentras debajo del título solamente el nombre de la empresa. Ah, no es, vale, es que yo estoy viendo el... Título, nombre de la empresa y al final te aparece el listado de personas que trabajan en la empresa. Claro, en Archive está incluido ese primer nombre de la empresa como primer autor, pero no porque el primer autor sea la inteligencia artificial, no, no, es el nombre de la empresa, ¿vale? Y después aparecen los nombrecitos de todos los personajes que pueden haber publicado otros artículos en Archive, porque muchos son todos investigadores, muchos son jóvenes, son jovencísimos la mayoría, pero bueno, algunos son investigadores que tienen más de un paper. El dueño de la empresa esta tiene 40 años. Sí, sí, en general es una empresa de gente joven. De hecho, en alguna noticia lo comentaban: que estaban aceptando a trabajadores actualmente, pero siempre y cuando fueran muy jóvenes, porque querían la creatividad de los muy jóvenes. No querían expertos que vinieran ahí a cambiar lo que ya se sabe y a…
Héctor Socas agradece a los oyentes su compañía e introduce la segunda parte del episodio número 497 de Coffee Break, donde se analizará el modelo de lenguaje DeepSeek, originario de China pero financiado por un fondo de inversión.
Habla: Héctor SocasSignificado #8 · Palabras #7modelo lenguaje deepseek chinaapi deepseek coste openaifondo inversión deepseek empresa chinarecursos modelo deepseek…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…
Héctor Socas introduce el tema del modelo de lenguaje DeepSeek y anticipa un análisis sobre las reacciones en la bolsa.
Habla: Héctor SocasPalabras #8producción openai proximas novedadesfrancis y la producción openai…a mí la, no sé, no soy tan hipócrita como para sacarle una tarjeta a nadie. Hola, Gastón, hola, hola, hola ¿qué tal? He tenido problemas con el audio, no sé qué había pasado. Bueno, se te escucha bien como siempre, si te acercas el micrófono a la boca mejor. Y estamos hablando, Gastón, del Deep Seek, el nuevo modelo de lenguaje que sacó esta empresa china homónima y bueno, íbamos a hablar de las reacciones de la bolsa, de otra gente y tal, pero antes quería comentar una cosa: a mí me parece que efectivamente, como dice Francis, la producción de OpenAI pues tiene cosas preparadas que va a ir sacando próximamente. Yo, con lo que hay ahora mismo, la razón por la que sigo usando el modelo GPT es por todo lo que le rodea; donde sí que hay una ventaja en OpenAI con respecto a DeepSync es la informática tradicional, quitando aparte lo de la inteligencia artificial y toda…