DeepSeek — ჩინური ხელოვნური ინტელექტის ლაბორატორიაა, დაარსებული 2023 წელს, რომელსაც აფინანსებს კვანტური ჰეჯ-ფონდი High-Flyer. კომპანია ქმნის დიდ ენობრივ მოდელებს, რომლებსაც უფასოდ, ჩამოსატვირთად და მოდიფიცირებადად ავრცელებს. მისი მნიშვნელობა 2025 წლის იანვარში გამოჩნდა, როცა მან დაამტკიცა, რომ ინდუსტრიის წამყვან შედეგებს გაცილებით ნაკლები ხარჯით მიაღწევდა, ვიდრე სილიკონის ველის კომპანიები ხარჯავდნენ — განცხადება, რომელმაც Nvidia-ს საბაზრო ღირებულებას ერთ დღეში დაახლოებით $600 მილიარდი დააკლო და ყველა წამყვან AI ლაბორატორიას აიძულა, თავიდან გადაეხედა, რამდენი გამოთვლითი სიმძლავრე სჭირდება ნამდვილად წამყვან მოდელს.
ვინ შექმნა და რატომ
DeepSeek დააარსა ლიანგ ვენფენგმა ჩინეთის ქალაქ ჰანჯოუში. ის კვანტური ტრეიდერია, რომელმაც 2016 წელს დააფუძნა ჰეჯ-ფონდი High-Flyer და მისი სავაჭრო სტრატეგიების მართვისთვის ხელოვნურ ინტელექტს იყენებდა. 2021 წლის მიდამოებში High-Flyer-მა დაიწყო Nvidia-ს გრაფიკული პროცესორების დაგროვება კვლევისთვის — ზუსტად მანამდე, სანამ აშშ-ის საექსპორტო შეზღუდვები ამ ჩიპების შეძენას ჩინური კომპანიებისთვის გაართულებდა. 2023 წელს ლიანგმა კვლევითი მიმართულება დამოუკიდებელ კომპანიად, DeepSeek-ად, გამოყო — მიზნით, ემუშავა ხელოვნური ზოგადი ინტელექტისკენ სწრაფი კომერციული პროდუქტის გამოშვების ნაცვლად. რადგან DeepSeek-ს უკვე მომგებიანი ჰეჯ-ფონდი აფინანსებდა, პირველი ორი წლის განმავლობაში მას გარე ინვესტორები ან გამოწერაზე დაფუძნებული ბიზნეს-მოდელი არ სჭირდებოდა — რაც მკვეთრად განსხვავდება OpenAI-ისა თუ Anthropic-ის გზისგან, რომლებმაც მილიარდობით დოლარი მოიზიდეს, სანამ პირველ მოდელს გამოუშვებდნენ.
მოდელები: V3 და R1
DeepSeek-ის გარღვევა ორ გამოშვებას ეყრდნობა. DeepSeek-V3, გამოშვებული 2024 წლის დეკემბერში, 671 მილიარდპარამეტრიანი მოდელია, რომელიც ნებისმიერი ამოცანისთვის მხოლოდ პარამეტრების მცირე ნაწილს აქტიურებს — არქიტექტურა, სახელად „ექსპერტთა ნაზავი" (Mixture of Experts), რომელიც მუშაობის ხარჯებს ამცირებს შესაძლებლობების შენარჩუნებით. DeepSeek-ის განცხადებით, V3-ის საბოლოო ვარჯიშმა დაახლოებით $5.6 მილიონი დაჯდა — გასაოცრად დაბალი თანხა შესადარებელი ამერიკული მოდელებისთვის ჩვეულებრივ დასახელებულ ათეულობით თუ ასეულობით მილიონთან შედარებით, რაც მიღწეულია ამ არქიტექტურისა და ეფექტური საინჟინრო ხერხების კომბინაციით, ნაცვლად უბრალოდ დიდი გამოთვლითი სიმძლავრის დახარჯვისა.
DeepSeek-R1, გამოშვებული 2025 წლის იანვარში, V3-ს დაეყრდნო და დაამატა ფართომასშტაბიანი განმტკიცებითი სწავლება, რათა მოდელს პასუხის გაცემამდე ამოცანა ეტაპობრივად „ემსჯელა" — იგივე იდეა, რაც OpenAI-ის o1 მოდელებს უდევს საფუძვლად. R1-მა მათემატიკისა და კოდირების ტესტებში ეს მოდელები დაეწია ან გადაასწრო კიდეც, ხოლო DeepSeek-მა მისი სრული წონები თავისუფალი MIT ლიცენზიით გამოაქვეყნა — რაც ნიშნავს, რომ ნებისმიერს შეუძლია მისი ჩამოტვირთვა, დახვეწა თუ მასზე კომერციული პროდუქტის აშენება, უფასოდ. სწორედ ეს კომბინაცია — თითქმის წამყვანი შესაძლებლობები, მკვეთრად დაბალი გამოცხადებული ხარჯი და სრულად ღია ლიცენზია — გამოარჩევდა R1-ს ჩვეულებრივი მოდელის გამოშვებისგან.
რატომ შეაშფოთა ინდუსტრია
R1-ის გამოშვება დაემთხვა იმას, რომ აპლიკაცია Apple-ის App Store-ის ჩამოტვირთვების ჩარტს დაეწია, და 2025 წლის 27 იანვრისთვის ინვესტორები იმ დასკვნამდე მივიდნენ, რომ თუ ჩინურ ლაბორატორიას შეეძლო წამყვან შედეგებთან მიახლოება ამდენად იაფად, Nvidia-ს უმსხვილესი კლიენტების უზარმაზარი კაპიტალდაბანდებები, შესაძლოა, სავალდებულო აღარ ყოფილიყო. ეს ერთდღიანი გადაფასება აშშ-ის საფონდო ბირჟის ისტორიაში ერთი კომპანიის ერთდღიან ყველაზე დიდ საბაზრო ღირებულების დანაკარგად იქცა. მომდევნო კვირებში პანიკა შესუსტდა, როცა R1-ის რეალური ვარჯიშის პროცესის დეტალები გამომჟღავნდა და ანალიტიკოსებმა აღნიშნეს, რომ დასახელებული თანხები, სავარაუდოდ, ადრეულ კვლევით ხარჯებს არ მოიცავდა, თუმცა ამ ეპიზოდმა სამუდამოდ შეცვალა, როგორ საუბრობს ინდუსტრია AI-ის ეფექტურობაზე: აღარავინ ვარაუდობს, რომ მხოლოდ რამდენიმე კარგად დაფინანსებულ ამერიკულ ლაბორატორიას შეუძლია საზღვრების გადაწევა.
DeepSeek-ის მოდელებმა ისიც აჩვენა, რომ მოწინავე ჩიპებზე საექსპორტო კონტროლმა ჩინურ ლაბორატორიებს კონკურენციაში ჩართვა არ დაუშალა — პირიქით, ხელმისაწვდომი ტექნიკის უფრო ეფექტურად გამოყენებისკენ უბიძგა, პატერნი, რომელიც მოგვიანებით სხვა ჩინურმა ლაბორატორიებმაც გაიმეორეს, კონკურენტუნარიანი ღია წონების მოდელების გამოშვებით.
რისი გაკეთება შეგიძლიათ მისით
DeepSeek-ის ჩეთბოტი და API იმავე V3/R1 საგვარეულოზეა აგებული, რომელიც ახლა უფრო ახალ V4 მოდელებში გრძელდება. ნებისმიერს შეუძლია სცადოს უფასო ვებ-ჩეთი, ხოლო დეველოპერებს — მოდელების გამოძახება API-ის მეშვეობით, რომელიც OpenAI-სა და Anthropic-ის მოთხოვნების ფორმატის თავსებადია და აღწერილია DeepSeek-ის API-ის სახელმძღვანელოში. 2026 წლის ივლისის მდგომარეობით, DeepSeek-ის საკუთარი ფასების გვერდის მიხედვით, ბიუჯეტური მოდელი 1 მილიონ შემავალ ტოკენზე დაახლოებით $0.14 და გამომავალზე $0.28 ღირს, ხოლო განმეორებითი კონტექსტისთვის უფრო იაფი, კეშირებული ტარიფი მოქმედებს — ფასი, რომელიც უმეტეს დასავლურ წამყვან მოდელს საგრძნობლად აჩვევს, თუმცა დროთა განმავლობაში იცვლება, ამიტომ აქტუალური მაჩვენებლისთვის ცოცხალი გვერდი შეამოწმეთ.
ეს დაბალი ფასი ერთ გასათვალისწინებელ ნიუანსთან მოდის: DeepSeek-ის სერვერები და მონაცემთა დამუშავება ჩინეთშია დაფუძნებული, ხოლო კომპანიის კონფიდენციალურობის პოლიტიკა ავლენს ანგარიშის მონაცემების, ჩეთის ისტორიისა და მოწყობილობის შესახებ ინფორმაციის შეგროვებას. სწორედ ამ მონაცემთა-რეზიდენტობის შეშფოთების გამო, ავსტრალიის, იტალიის, სამხრეთ კორეისა და ტაივანის ხელისუფლებებმა, სხვებთან ერთად, სამთავრობო მოწყობილობებზე DeepSeek-ის გამოყენება შეზღუდეს ან აკრძალეს — რაც გასათვალისწინებელია ნებისმიერი ორგანიზაციისთვის, რომელიც წყვეტს, საწარმოო გარემოში გამოიყენოს იგი თუ ამჯობინოს ღია წონების ფაილების საკუთარ ინფრასტრუქტურაზე გაშვება.
სიახლეებში
DeepSeek ისევ სათაურებშია: მან ახალი ინვესტორების ძებნა დაიწყო, რაც კომპანიას $71 მილიარდად შეაფასებდა — თითქმის 40%-ით მეტად, ვიდრე ერთი თვის წინ დასრულებული, კომპანიის პირველი გარე საინვესტიციო რაუნდის შეფასება იყო. ჩვენს რეპორტაჟში ამ მოლაპარაკებების შესახებ მოყვანილი ცნობებით, ახალი კაპიტალი განკუთვნილია DeepSeek-ის საკუთარი მონაცემთა ცენტრებისა და ჩიპების შესყიდვისთვის, რადგან კომპანია ჩეთბოტებიდან AI აგენტების მიმართულებით ფართოვდება — ნიშანი იმისა, რომ „ნაკლებით მეტის გაკეთებით" განთქმულ ლაბორატორიასაც კი უკვე გაცილებით მეტი გამოთვლითი სიმძლავრე სჭირდება კონკურენტებთან ფეხის შესაწყობად.
ხშირად დასმული კითხვები
DeepSeek ღია კოდის პროექტია? მისი მოდელების წონები (V3, R1 და შემდგომი გამოშვებები) MIT ლიცენზიით ქვეყნდება, ასე რომ ნებისმიერს შეუძლია მათი ჩამოტვირთვა და მოდიფიცირება. სავარჯიშო მონაცემები და ამ წონების შესაქმნელად გამოყენებული კოდი გამოქვეყნებული არ არის, სწორედ ამიტომ მათ ჩვეულებრივ „ღია წონების" (და არა სრულად ღია კოდის) მოდელებს უწოდებენ.
DeepSeek უფასოა? ვებ-ჩეთი უფასოა. API კი ტოკენების მიხედვით ირიცხება, ფასებით, რომლებიც კონკურენტ წამყვან მოდელებზე საგრძნობლად დაბალია — თუმცა ზუსტი ტარიფები იცვლება, ამიტომ მასზე დაფუძნებული პროდუქტის აშენებამდე მიმდინარე ფასების გვერდი შეამოწმეთ.
უსაფრთხოა თუ არა მგრძნობიარე მონაცემებისთვის მისი გამოყენება? მოეპყარით მას, როგორც ნებისმიერ ღრუბლოვან AI სერვისს, რომელიც თქვენი ქვეყნისგან განსხვავებული მონაცემებზე წვდომის წესების იურისდიქციაშია დაფუძნებული: ჩვეულებრივი გამოყენებისთვის მისაღებია, თუმცა რამდენიმე მთავრობამ იგი სამთავრობო მოწყობილობებზე მონაცემთა-რეზიდენტობის შეშფოთების გამო შეზღუდა, ხოლო მგრძნობიარე მონაცემებთან მომუშავე ორგანიზაციები ხშირად ირჩევენ ღია წონების საკუთარ ინფრასტრუქტურაზე გაშვებას, DeepSeek-ის საკუთარი სერვერების ნაცვლად.
რით განსხვავდება DeepSeek ChatGPT-სგან თუ Claude-სგან? სამივე დიდი ენობრივი მოდელის ჩეთბოტია, თუმცა DeepSeek-ის მოდელები ღია წონისაა და კომპანიისგან დამოუკიდებლადაც შეიძლება მათი ჩამოტვირთვა და გაშვება, მაშინ როცა ChatGPT (OpenAI) და Claude (Anthropic) დახურული მოდელებია, ხელმისაწვდომი მხოლოდ ამ კომპანიების საკუთარი აპლიკაციებისა და API-ების მეშვეობით.