ديپ‌سيك DeepSeek

هانگ‌ژو ديپ‌سيك لأبحاث التكنولوجيا الأساسية للذكاء الاصطناعي
الاسم المحلي
杭州深度求索人工智能基础技术研究有限公司
النوعخاصة
الصناعةتكنولوجيا المعلومات
تأسستمايو 2023; 2 years ago (2023-05
المؤسس
المقر الرئيسيهانگ‌ژو، ژى‌جيانگ، الصين
الأشخاص الرئيسيون
  • ليانگ ون‌فنگ (الرئيس التنفيذي)
المالكهاي فلاير
الموقع الإلكترونيdeepseek.com

ديپ‌سيك (الصينية: 深度求索; پن‌ين: Shēndù Qiúsuǒ، إنگليزية: DeepSeek)، هي شركة صينية للذكاء الاصطناعي تطوّر نماذج لغة كبيرة مفتوحة المصادر (LLMs). ومقرها يقع في هانگ‌ژو، ژى‌جيانگ، ويملكها ويموّلها صندوق التحوط الصيني هاي فلاير، التي شارك في تأسيسها ليانگ ون‌فنگ، عام 2023 ويعمل منذ ذلك الحين بمنصب الرئيس التنفيذي.

يوفر نموذج ديپ‌سيك-R1 استجابات مماثلة للنماذج اللغوية الكبيرة المعاصرة الأخرى، مثل OpenAI GPT-4o وo1،[1] لكنها تفرض رقابة على بعض الردود المتعلقة بموضوعات حساسة سياسياً في الصين.[2][3] يُدرب النموذج بتكلفة أقل بكثير - بلغ 6 مليون دولار أمريكي مقارنة بتكلفة تدريب GPT-4 من OpenAI البالغة 100 مليون دولار عام 2023[4]-ويتطلب عُشر قوة الحوسبة التي تتطلبها النماذج اللغوية الكبيرة المماثلة. [4][5][6][7] تم تطوير نماذج الذكاء الاصطناعي الخاصة بديپ‌سيك في ظل العقوبات التي فرضتها الولايات المتحدة على الهند والصين من أجل رقائق إنڤيديا[8]، والتي كانت تهدف إلى تقييد قدرة البلاد على تطوير أنظمة الذكاء الاصطناعي المتقدمة.[9][10]

في 10 يناير 2025، أصدرت ديپ‌سيك أول تطبيق بوت دردشة مجاني، استناداً إلى نموذج ديپ‌سيك-R1، لنظامي التشغيل أي أو إس وأندرويد ؛ وبحلول 27 يناير، تجاوز ديپ‌سيك-R1 تطبيق تشات جي پي تي باعتباره التطبيق المجاني الأكثر تنزيلًا على متجر تطبيقات آي إو إس في الولايات المتحدة،[11] مما أدى إلى انخفاض سعر سهم إنڤيديا بنسبة 18%.[12][13] وُصف نجاح ديپ‌سيك ضد المنافسين الأكبر حجماً والأكثر رسوخاً بأنه "يقلب الذكاء الاصطناعي رأساً على عقب"،[11] ويشكل "المحاولة الأولى في ما ينشأ كسباق فضاء عالمي للذكاء الاصطناعي"،[14] وتدشين "عصر جديد من الذكاء الاصطناعي على حافة الهاوية".[15]

تجعل ديپ‌سيك خوارزمياتها ونماذجها وتفاصيل تدريبها للذكاء الاصطناعي التوليدي مفتوحة المصدر، مما يسمح بإتاحة كودها بحرية للاستخدام والتعديل والعرض وتصميم المستندات لأغراض البناء.[16] وبحسب ما ورد، تقوم الشركة بتجنيد باحثين شباب في مجال الذكاء الاصطناعي من أفضل الجامعات الصينية،[11] وتوظف من خارج مجال علوم الحاسوب لتنويع المعرفة والقدرات الخاصة بنماذجها.[6]

تم تطوير بوت الدردشة "ديپ‌سيك إيه آي" بالكامل من قبل مهندسي برمجيات صينيين، في حين أن نماذج الذكاء الاصطناعي التي صُنعت في سليكون ڤالي بواسطة أشخاص من جنسيات مختلفة، بما في ذلك حاملي تأشيرة H-1B من بلدان مختلفة يعملون في الولايات المتحدة. يمكن اعتبار نماذج "ديپ‌سيك إيه آي" خطوة هامة نحو تطوير تقنيات متطورة محلية من قبل دول آسيا، مما يساعد في الاحتفاظ بالمواهب والحد من هروب العقول من دول مثل الهند والصين.[17]

خلفية

في فبراير 2016، تأسست شركة هاي فلاير بواسطة رائد أعمال الذكاء الاصطناعي ليانگ ون‌فنگ، الذي كان يتداول منذ الأزمة المالية 2007-2008 عندما كان طالباً في جامعة ژى‌جيانگ.[18] بحلول عام 2019، أسس هاي فلاير كصندوق تحوط يركز على تطوير واستخدام خوارزميات التداول بالذكاء الاصطناعي. وبحلول عام 2021، استخدمت هاي فلاير الذكاء الاصطناعي حصرياً في التداول.[19] جعلت ديپ‌سيك بوت الدردشة الخاص بها الذي يستخدم الذكاء الاصطناعي التوليدي مفتوح المصدر، مما يعني أن الرمز الخاص به متاح مجاناً للاستخدام والتعديل والعرض. ويشمل هذا الإذن بالوصول إلى رمز المصدر واستخدامه، بالإضافة إلى مستندات التصميم، لأغراض البناء.[16]

بحسب 36Kr، قام ليانگ ببناء مخزن من 10.000 مسرع إنڤيديا A100 قبل أن تفرض الحكومة الفدرالية الأمريكية قيوداً على شرائح الذكاء الاصطناعي المصدرة إلى الصين.[19] تشير بعض التقديرات، دون تقديم أي دليل، إلى أن العدد يصل إلى 50.000.[18]

في أبريل 2023، بدأت هاي فلاير مختبراً للذكاء الاصطناعي العام مخصصاً لأبحاث تطوير أدوات الذكاء الاصطناعي المنفصلة عن الأعمال المالية لهاي فلاير.[20][21] في مايو 2023، مع كون هاي فلاير أحد المستثمرين، أصبح المعمل شركة خاصة بها تحمل اسم ديپ‌سيك.[19][22][21] كانت شركات رأس المال المخاطر مترددة في توفير التمويل لأنه من غير المرجح أن تتمكن من توليد خروج في فترة زمنية قصيرة.[19]

بعد إطلاق ديپ‌سيك-V2 في مايو 2024، والذي قدم أداءً قوياً بسعر منخفض، أصبحت شركة ديپ‌سيك معروفة كمحفز لحرب أسعار نموذج الذكاء الاصطناعي في الصين. وسرعان ما أُطلق عليها لقب "پيندودو الذكاء الاصطناعي"، وبدأت شركات التكنولوجيا الكبرى الأخرى مثل بايت‌دانس وتن‌سنت وباي‌دو وعلي بابا في خفض أسعار نماذج الذكاء الاصطناعي الخاصة بها للتنافس مع الشركة. وعلى الرغم من السعر المنخفض الذي فرضته ديپ‌سيك، إلا أنها كانت مربحة مقارنة بمنافسيها الذين كانوا يخسرون المال.[23]

تركز ديپ‌سيك على الأبحاث فقط وليس لديها خطط مفصلة للتسويق؛[23] وهذا يسمح أيضاً لتكنولوجيتها بتجنب الأحكام الأكثر صرامة في لوائح الذكاء الاصطناعي الصينية، مثل مطالبة التكنولوجيا التي تواجه المستهلك بالامتثال لضوابط الحكومة على المعلومات.[6]

تستهدف تفضيلات التوظيف في ديپ‌سيك القدرات التقنية بدلاً من الخبرة العملية، مما يؤدي إلى أن يكون معظم الموظفين الجدد إما خريجي جامعات جدد أو مطورين لم تستقر حياتهم المهنية في مجال الذكاء الاصطناعي.[21][6] وعلى نحو مماثل، تقوم الشركة بتجنيد أفراد ليس لديهم أي خلفية في علوم الحاسوب لمساعدة تقنيتها على فهم مواضيع ومجالات معرفية أخرى، بما في ذلك القدرة على توليد الشعر والأداء الجيد في امتحانات القبول في الكليات الصينية (گاوكاو) التي تعد صعبة للغاية.[6]

تاريخ الإصدار

DeepSeek LLM

في 2 نوفمبر 2023، أصدرت ديپ‌سيك أول سلسلة من النماذج، DeepSeek-Coder، والتي تتوفر مجاناً لكل من الباحثين والمستخدمين التجاريين. جُعل الكود الخاص بالنموذج مفتوح المصدر بموجب رخصة إم آي تي، مع اتفاقية ترخيص إضافية ("رخصة ديپ‌سيك ") فيما يتعلق "بالاستخدام المفتوح والمسؤول في اتجاه المصب" للنموذج نفسه.[24]

وهي نفس بنية ديپ‌سيك LLM المفصلة أدناه. تتضمن السلسلة 8 نماذج، 4 منها مدربة مسبقاً (Base) و4 مضبوطة على التعليمات (Instruct). يبلغ طول السياق لكل منها 16 كيلوبايت. كان التدريب على النحو التالي:[25][26][27]

  1. التدريب المسبق: 1.8 تريليون رمز (87% من الكود المصدر، و10% من الإنگليزية المرتبطة بالكود (گت‌هب مارك‌داون وستاك إكستشينج)، و3% من الصينية غير المرتبطة بالكود).
  2. التدريب المسبق للسياق الطويل: 200B رمز. يؤدي هذا إلى زيادة طول السياق من 4K إلى 16K. أدى هذا إلى إنتاج نماذج Base.
  3. الضبط الدقيق المحكم (SFT): 2 بليون رمز من بيانات التعليمات. وقد أدى ذلك إلى إنتاج نماذج Instruct.

النماذج مدربة على مجموعات من وحدات معالجة الرسوم A100 وH800 إنڤيديا، متصلة بواسطة إنفني‌باند، إن‌ڤي‌لينك، إن‌ڤي‌سويتش.[25]

خصائص DeepSeek-Coder[25]:{{{1}}}[28]
المتغيرات.
1.3B 24 2048 5504 16 16
5.7B 32 4096 11008 32 1[note 1]
6.7B 32 4096 11008 32 32
33B 62 7168 19200 56 7[note 2]

في 29 نوفمبر 2023، أصدرت ديپ‌سيك سلسلة نماذج DeepSeek-LLM، مع متغيرات 7B و67B في كل من صيغتي Base and Chat (لم يتم إصدار Instruct). تم تطويرها للتنافس مع برامج LLM الأخرى المتاحة في ذلك الوقت. ادعت الورقة البحثية أن نتائج المعايير كانت أعلى من معظم برامج LLM مفتوحة المصدر في ذلك الوقت، وخاصة Llama 2.[29]:{{{1}}} كما هو الحال مع DeepSeek Coder، كان الكود الخاص بالنموذج تحت ترخيص MIT، مع ترخيص ديپ‌سيك للنموذج نفسه.[30]

كانت العمارة هي نفسها بشكل أساسي تلك الخاصة بسلسلة Llama. لقد استخدمت النماذج pre-norm decoder-only Transformer مع RMSNorm كتطبيع، وSwiGLU في طبقات التغذية الأمامية، وrotary positional embedding (RoPE)، وgrouped-query attention (GQA). كان حجم المفردات في كل منهما 102400 (byte-level BPE) وطول السياق 4096. وتم تدريبها على 2 تريليون رمز من النصوص الإنگليزية والصينية التي تم الحصول عليها عن طريق إزالة التكرار من Common Crawl.[29]

خصائص DeepSeek LLM [29]:{{{1}}}
المتغيرات.
7B 30 4096 11008 32 32
67B 95 8192 22016 64 8[note 3]

أُطلقت إصدارات Chat من نموذجي Base في نفس الوقت أيضاً، والتي تم الحصول عليها من خلال تدريب Base من خلال الضبط الدقيق الخاضع للإشراف (SFT) متبوعاً بتحسين السياسة المباشر (DPO).[29]

في أبريل 2024، صدرت 3 نماذج DeepSeek-Math متخصصة في إجراء العمليات الحسابية: Base وInstruct وRL. وقد تم تدريبها على النحو التالي:[31]

  1. التهيئة باستخدام DeepSeek-Coder-Base-v1.5 7B المدرب مسبقاً.
  1. مزيد من التدريب المسبق باستخدام 500B من الرموز (6% DeepSeekMath Corpus، 4% AlgebraicStack، 10% arXiv، 20% GitHub code، 10% Common Crawl). وقد أدى هذا إلى إنتاج نموذج Base.
  1. تدريب نموذج متابعة التعليمات باستخدام Base لـ SFT باستخدام 776.000 مسألة رياضية وحلولها خطوة بخطوة والتي تم دمجها مع استخدام الأدوات. وقد أدى هذا إلى إنتاج نموذج Instruct.
  1. التعلم التعزيزي (RL): كان نموذج المكافأة عبارة عن نموذج مكافأة العملية (PRM) الذي تم تدريبه من Base وفقًا لطريقة Math-Shepherd.[32] تم بعد ذلك استخدام نموذج المكافأة هذا لتدريب Instruct باستخدام تحسين السياسة النسبية للمجموعة (GRPO) على مجموعة بيانات مكونة من 144.000 سؤال رياضيات "مرتبطة بـ GSM8K وMATH". تم تحديث نموذج المكافأة باستمرار أثناء التدريب لتجنب اختراق المكافأة. أدى هذا إلى ظهور نموذج RL.

V2

In May 2024, they released the DeepSeek-V2 series. The series includes 4 models, 2 base models (DeepSeek-V2, DeepSeek-V2-Lite) and 2 chatbots (-Chat). The two larger models were trained as follows:[33]

  1. Pretrain on a dataset of 8.1T tokens, where Chinese tokens are 12% more than English ones.
  2. Extend context length from 4K to 128K using YaRN.[34] This resulted in DeepSeek-V2.
  3. SFT with 1.2M instances for helpfulness and 0.3M for safety. This resulted in DeepSeek-V2-Chat (SFT) which was not released.
  4. RL using GRPO in two stages. The first stage was trained to solve math and coding problems. This stage used 1 reward model, trained on compiler feedback (for coding) and ground-truth labels (for math). The second stage was trained to be helpful, safe, and follow rules. This stage used 3 reward models. The helpfulness and safety reward models were trained on human preference data. The rule-based reward model was manually programmed. All trained reward models were initialized from DeepSeek-V2-Chat (SFT). This resulted in the released version of DeepSeek-V2-Chat.

They opted for 2-staged RL, because they found that RL on reasoning data had "unique characteristics" different from RL on general data. For example, RL on reasoning could improve over more training steps.[33]

The two V2-Lite models were smaller, and trained similarly, though DeepSeek-V2-Lite-Chat only underwent SFT, not RL. They trained the Lite version to help "further research and development on MLA and DeepSeekMoE".[33]

Architecturally, the V2 models were significantly modified from the DeepSeek LLM series. They changed the standard attention mechanism by a low-rank approximation called multi-head latent attention (MLA), and used the mixture of experts (MoE) variant previously published in January. Compared to the standard sparsely-gated MoE, their variant had "shared experts" that are always queried, and "routed experts" that might not be.[35]

DeepSeek V2 properties[33]:{{{1}}}[36][37]
الاسم Params. Active params Context length
V2-Lite 15.7B 2.4B 27 32K 2 64
V2 236B 21B 60 128K 2 160

The Financial Times reported that it was cheaper than its peers with a price of 2 RMB for every million output tokens. The University of Waterloo Tiger Lab's leaderboard ranked DeepSeek-V2 seventh on its LLM ranking.[22]

In June, they released 4 models in the DeepSeek-Coder-V2 series: V2-Base, V2-Lite-Base, V2-Instruct, V2-Lite-Instruct. They were trained as follows:[38][note 4]

  1. The Base models were initialized from corresponding intermediate checkpoints after pretraining on 4.2T tokens (not the version at the end of pretraining), then pretrained further for 6T tokens, then context-extended to 128K context length. This produced the Base models.
  2. DeepSeek-Coder and DeepSeek-Math were used to generate 20K code-related and 30K math-related instruction data, then combined with an instruction dataset of 300M tokens. This was used for SFT.
  3. RL with GRPO. The reward for math problems was computed by comparing with the ground-truth label. The reward for code problems was generated by a reward model trained to predict whether a program would pass the unit tests.

DeepSeek-V2.5 was released in September and updated in December. It was made by combining DeepSeek-V2-Chat and DeepSeek-Coder-V2-Instruct.[39]

V3

In December 2024, they released a base model DeepSeek-V3-Base and a chat model DeepSeek-V3. The model architecture is essentially the same as V2. They were trained as follows:[40]

  1. Pretraining on 14.8T tokens of a multilingual corpus, mostly English and Chinese. It contained a higher ratio of math and programming than the pretraining dataset of V2.
  2. Extend context length twice, from 4K to 32K and then to 128K, using YaRN.[34] This produced DeepSeek-V3-Base.
  3. SFT for 2 epochs on 1.5M samples of reasoning (math, programming, logic) and non-reasoning (creative writing, roleplay, simple question answering) data. Reasoning data was generated by "expert models". Non-reasoning data was generated by DeepSeek-V2.5 and checked by humans.
    • The "expert models" were trained by starting with an unspecified base model, then SFT on both <problem, original response> data, and synthetic <system prompt, problem, R1 response> data generated by an internal DeepSeek-R1 model. The system prompt asked the R1 to reflect and verify during thinking. Then the expert models were RL using an unspecified reward function.
    • Each expert model was trained to generate just synthetic reasoning data in one specific domain (math, programming, logic).
    • Expert models were used, instead of R1 itself, since the output from R1 itself suffered "overthinking, poor formatting, and excessive length".
  4. Model-based reward models were made by starting with a SFT checkpoint of V3, then finetuning on human preference data containing both final reward and chain-of-thought leading to the final reward. The reward model produced reward signals for both questions with objective but free-form answers, and questions without objective answers (such as creative writing).
  5. A SFT checkpoint of V3 was trained by GRPO using both reward models and rule-based reward. The rule-based reward was computed for math problems with a final answer (put in a box), and for programming problems by unit tests. This produced DeepSeek-V3.
DeepSeek V3 properties[40]:{{{1}}}[41]
الاسم Params. Active params Context length
V3 671B 37B 61 128K 1 256

They performed extensive low-level engineering to achieve efficiency. They used mixed-precision arithmetic. Much of the forward pass was performed in 8-bit floating point numbers (5E2M: 5-bit exponent and 2-bit mantissa) rather than the standard 32-bit, requiring special GEMM routines to accumulate accurately. They used a custom 12-bit float (E5M6) for only the inputs to the linear layers after the attention modules. Optimizer states were in 16-bit (BF16). They minimized the communication latency by overlapping extensively computation and communication, such as dedicating 20 streaming multiprocessors out of 132 per H800 for just inter-GPU communication. They lowered communication by rearranging (every 10 minutes) the exact machine each expert was on in order to avoid certain machines being queried more often than the others, adding auxiliary load-balancing losses to the training loss function, and other load-balancing techniques.[40]

After training, it was deployed on H800 clusters. The H800 within a cluster are connected by NVLink. The clusters are connected by InfiniBand.[40]

Total cost of training the DeepSeek-V3 model[40]:{{{1}}}
المرحلة Cost (in one thousand GPU hours) Cost (in one million USD$)
Pre-training 2,664 5.328
Context extension 119 0.24
Fine-tuning 5 0.01
Total 2,788 5.576

Benchmark tests show that DeepSeek-V3 outperformed Llama 3.1 and Qwen 2.5 whilst matching GPT-4o and Claude 3.5 Sonnet.[21][42][43][44]

R1

On 20 November 2024, DeepSeek-R1-Lite-Preview became accessible via DeepSeek's API.[45] It was trained for logical inference, mathematical reasoning, and real-time problem-solving. DeepSeek claimed that it exceeded performance of OpenAI o1 on benchmarks such as American Invitational Mathematics Examination (AIME) and MATH.[46] However, The Wall Street Journal stated when it used 15 problems from the 2024 edition of AIME, the o1 model reached a solution faster than DeepSeek-R1-Lite-Preview.[47]

On 20 January 2025, DeepSeek-R1 and DeepSeek-R1-Zero were released.[48] Both were initialized from DeepSeek-V3-Base, and share its architecture. The company also released some "DeepSeek-R1-Distill" models, which are not initialized on V3-Base, but instead are initialized from other pretrained open-weight models, including LLaMA and Qwen, then fine-tuned on synthetic data generated by R1.[49]

Template for DeepSeek-R1-Zero
A conversation between User and Assistant. The user asks a question, and the Assistant solves it. The assistant first thinks about the reasoning process in the mind and then provides the user with the answer. The reasoning process and answer are enclosed within <think> </think> and <answer> </answer> tags, respectively, i.e., <think> reasoning process here </think> <answer> answer here </answer>. User: <prompt>. Assistant:

– <prompt> is replaced with the specific reasoning question during training.

DeepSeek-R1-Zero was trained exclusively using GRPO RL without SFT. Unlike previous versions, they used no model-based reward. All reward functions were rule-based, "mainly" of two types (other types were not specified): accuracy rewards and format rewards. Accuracy reward was checking whether a boxed answer is correct (for math) or whether a code passes tests (for programming). Format reward was checking whether the model puts its thinking trace within <think>...</think>.[49]

As R1-Zero has issues with readability and mixing languages, R1 was trained to address these issues and further improve reasoning:[49]

  1. SFT DeepSeek-V3-Base on "thousands" of "cold-start" data all with the standard format of |special_token|<reasoning_process>|special_token|summary>.
  2. Apply the same RL process as R1-Zero, but also with a "language consistency reward" to encourage it to respond monolingually. This produced an internal model not released.
  3. Synthesize 600K reasoning data from the internal model, with rejection sampling (i.e. if the generated reasoning had a wrong final answer, then it is removed). Synthesize 200K non-reasoning data (writing, factual QA, self-cognition, translation) using DeepSeek-V3.
  4. SFT DeepSeek-V3-Base on the 800K synthetic data for 2 epochs.
  5. GRPO RL with both rule-based reward (for reasoning tasks) and model-based reward (for non-reasoning tasks, helpfulness, and harmlessness). This produced DeepSeek-R1.

Distilled models were trained by SFT on 800K data synthesized from DeepSeek-R1, in a similar way as step 3 above. They were not trained with RL.[49]

التقييم وردود الأفعال

أطلقت ديپ‌سيك مساعدها الافتراضي A.I. Assistant، الذي يستخدم نموذج V3 كتطبيق بوت دردشة لنظامي التشغيل آي أو إس وأندرويد. وبحلول 27 يناير 2025، تجاوز التطبيق تطبيق تشات جي پي تي باعتباره التطبيق المجاني الأعلى تقييماً على متجر تطبيقات آي أو إس في الولايات المتحدة؛ ويقال إن برنامج الدردشة الخاص به يجيب على الأسئلة ويحل المشكلات المنطقية ويكتب برامج الحاسوب على قدم المساواة مع برامج الدردشة الأخرى في السوق، وفقاً لاختبارات المقارنة التي تستخدمها شركات الذكاء الاصطناعي الأمريكية.[6]

يستخدم ديپ‌سيك-V3 موارد أقل بكثير مقارنة بنظرائه؛ على سبيل المثال، بينما تقوم شركات الذكاء الاصطناعي الرائدة في العالم بتدريب روبوتات الدردشة الخاصة بها مستخدم حواسب فائقة باستخدام ما يصل إلى 16.000 وحدة معالجة رسومات، إن لم يكن أكثر، تدعي ديپ‌سيك أنها احتاجت فقط إلى حوالي 2000 وحدة معالجة رسومات، وهي شريحة سلسلة H800 من إنڤيديا.[بحاجة لمصدر] تم تدريبه في حوالي 55 يوماً بتكلفة 5.58 مليون دولار أمريكي،[40] وهو أقل بنحو 10 مرات مما أنفقته شركة التكنولوجيا الأمريكية العملاقة ميتا على بناء أحدث تقنيات الذكاء الاصطناعي الخاصة بها.[6] لقد تم الاعتراف بالأداء التنافسي لديپ‌سيك بتكلفة ضئيلة نسبياً باعتباره تحدياً محتملاً للهيمنة العالمية لنماذج الذكاء الاصطناعي الأمريكية.[50] ووصفت العديد من المنشورات ووسائل الإعلام الإخبارية، مثل صحيفتي هيل وگارديان، إطلاق بوتات المحادثة الخاص بها بأنه لحظة سپوتنك بالنسبة للذكاء الاصطناعي الأمريكي.[51][52] وبحسب التقارير، كان أداء نموذج R1 الخاص بها "على قدم المساواة" مع أحد أحدث نماذج OpenAI عند استخدامه لمهام مثل الرياضيات والترميز والتفكير اللغوي الطبيعي؛[53] وعلى غرار المعلقين الآخرين، وصف المستثمر الأمريكي في سليكون ڤالي مارك أندرسن أيضاً نموذج R1 بأنه "لحظة سپوتنك الذكاء الاصطناعي".[53]

وقورن ليانگ ون‌فنگ مؤسس ديپ‌سيك، بالرئيس التنفيذي لشركة Open AI، سام ألتمان، حيث وصفته سي إن إن بأنه سام ألتمان الصين وداعية للذكاء الاصطناعي.[54]

خطأ تسجيل الدخول الذي أظهرته ديپ‌سيك في 28 يناير 2025 في أعقاب هجوم إلكتروني.

سلط تحسين ديپ‌سيك للموارد المحدودة الضوء على الحدود المحتملة للعقوبات الأمريكية على تطوير الذكاء الاصطناعي في الصين، والتي تتضمن قيود تصدير شرائح الذكاء الاصطناعي المتقدمة إلى الصين.[21][55] وبالتالي، فإن نجاح نماذج الذكاء الاصطناعي التي تنتجها الشركة "أثار اضطرابات في السوق"[56] وتسبب ذلك في انخفاض أسهم شركات التكنولوجيا العالمية الكبرى في 27 يناير: حيث انخفض سهم إنڤيديا بنحو 17-18%،[57] كما انخفض سهم شركة برودكوم المنافسة. وانخفضت أيضاً أسهم شركات التكنولوجيا الأخرى، بما في ذلك مايكروسوفت (انخفضت بنسبة 2.5%)، وألفابت مالكة گوگل (انخفضت بأكثر من 4%)، وشركة ASML الهولندية لتصنيع معدات الرقائق (انخفضت بأكثر من 7%).[53] وقد أدت عمليات البيع العالمية لأسهم التكنولوجيا في نازداك، والتي دفعت إلى إصدار نموذج R1، إلى خسائر قياسية بلغت نحو 593 بليون دولار في القيمة السوقية لشركات الذكاء الاصطناعي وأجهزة الحاسوب؛[58] بحلول 28 يناير، ومُحي ما مجموعه تريليون دولار من قيمة الأسهم الأمريكية.[52]

كانت ردود أفعال الشخصيات الرائدة في قطاع الذكاء الاصطناعي الأمريكي متباينة تجاه نجاح وأداء ديپ‌سيك.[59] الرئيس التنفيذي لشركة مايكروسوفت ساتيا نادلا والرئيس التنفيذي لشركة OpenAI سام ألتمان - اللذان تشارك شركتاهما في "ستارجيت پروجكت" المدعوم من الحكومة الأمريكية لتطوير البنية التحتية للذكاء الاصطناعي الأمريكي - وصفا ديپ‌سيك بأنها "مثيرة للإعجاب للغاية".[60][61] الرئيس الأمريكي دونالد ترمپ، الذي ستارجيت پروجكت، وصف ديپ‌سيك بأنها جرس إنذار[62] وتطور إيجابي.[63][52][64][65] أعرب قادة آخرون في هذا المجال، بما في ذلك الرئيس التنفيذي لشركة سكيل إيه آي ألكسندر وانگ، والمؤسس المشارك والرئيس التنفيذي لشركة أنثروبيك داريو أمودي، وإيلون ماسك عن تشككهم في أداء التطبيق أو استدامة نجاحه.[59][66][67] تسعى شركات مختلفة، بما في ذلك أمازون لخدمات الوب وتويوتا وستريپ، إلى استخدام النموذج في برنامجها.[68]

في 27 يناير، اقتصرت ديپ‌سيك على تسجيل المستخدمين الجدد بأرقام الهواتف في البر الرئيسي الصيني والبريد الإلكتروني وتسجيل الدخول إلى گوگل بعد الإبلاغ عن هجوم إلكتروني تسبب في تباطؤ خوادمها وخدماتها.[69][70]

مخاوف

الرقابة

انظر أيضاً: الرقابة الصينية في الخارج and الرقابة في الصين
ديپ‌سيك تجيب عندما سُألت عن شي جن‌پنگ وناردنرا مودي.

لاحظت بعض المصادر أن النسخة الرسمية من واجهة برمجة التطبيقات R1 تستخدم آليات الرقابة على المواضيع التي تعتبر حساسة سياسياً بالنسبة للحكومة الصينية. على سبيل المثال، يرفض النموذج الإجابة على أسئلة حول احتجاجات ومذبحة تيان‌آن‌من 1989، أو اضطهاد الأويغور، أو حقوق الإنسان في الصين.[71][72] قد يقوم الذكاء الاصطناعي في البداية بإنشاء إجابة، ثم يقوم بحذفها بعد فترة وجيزة واستبدالها برسالة مثل: "آسف، هذا يتجاوز نطاقي الحالي. دعنا نتحدث عن شيء آخر".[72] لا يمكن إزالة آليات الرقابة المتكاملة والقيود إلا إلى حد محدود في النسخة مفتوحة المصدر من نموذج R1. إذا تم التطرق إلى "القيم الاشتراكية الأساسية" التي حددتها السلطات التنظيمية للإنترنت في الصين أو أًُثير موضو الوضع السياسي لتايوان، فسيتم إنهاء المناقشات.[73] عند اختباره من قبل إن بي سي نيوز، وصف R1 الخاص بديپ‌سيك تايوان بأنها "جزء لا يتجزأ من أراضي الصين"، وذكر: "نحن نعارض بشدة أي شكل من أشكال الأنشطة الانفصالية من أجل استقلال تايوان ونلتزم بتحقيق إعادة التوحيد الكامل للوطن الأم من خلال الوسائل السلمية".[74] تمكن باحثون غربيون في يناير 2025 من خداع ديپ‌سيك لتقديم إجابات دقيقة لبعض هذه المواضيع من خلال تصميم السؤال المطروح.[75]

الأمن والخصوصية

انظر أيضاً: عمليات المعلومات وحرب المعلومات الصينية

هناك أيضًا مخاوف من إمكانية استخدام نظام الذكاء الاصطناعي في عمليات التأثير الأجنبية، ونشر المعلومات المضللة، والمراقبة وتطوير الأسلحة الإلكترونية للحكومة الصينية.[76][77][78] تنص شروط وأحكام الخصوصية الخاصة بديپ‌سيك: "نحن نقوم بتخزين المعلومات التي نجمعها في خوادم آمنة تقع في جمهورية الصين الشعبية... قد نقوم بجمع نصك أو إدخالك الصوتي أو مطالباتك أو الملفات التي قمت بتحميلها أو ملاحظاتك أو سجل الدردشة أو أي محتوى آخر تقدمه إلى نموذجنا وخدماتنا". على الرغم من أن سياسة تخزين البيانات وجمعها تتوافق مع سياسة الخصوصية الخاصة بتشات جي پي تي،[79] بحسب ما أفادت إحدى المقالات الإعلامية أن هذا الأمر يشكل مخاوف أمنية.[80] رداً على ذلك، تسعى الهيئة الإيطالية لحماية البيانات إلى الحصول على معلومات إضافية حول جمع ديپ‌سيك واستخدامها للبيانات الشخصية، وأعلن مجلس الأمن القومي الأمريكي أنه بدأ مراجعة للأمن القومي.[81][82]

انظر أيضاً

الهوامش

  1. ^ The number of heads does not equal the number of KV heads, due to GQA.
  2. ^ The number of heads does not equal the number of KV heads, due to GQA.
  3. ^ The number of heads does not equal the number of KV heads, due to GQA.
  4. ^ Inexplicably, the model named DeepSeek-Coder-V2 Chat in the paper was released as DeepSeek-Coder-V2-Instruct in HuggingFace.

المراجع

  1. ^ Gibney, Elizabeth (23 January 2025). "China's cheap, open AI model DeepSeek thrills scientists". Nature (in الإنجليزية). doi:10.1038/d41586-025-00229-6. ISSN 1476-4687. PMID 39849139. {{cite journal}}: Check |pmid= value (help)
  2. ^ Field, Matthew; Titcomb, James (27 January 2025). "Chinese AI has sparked a $1 trillion panic – and it doesn't care about free speech". The Daily Telegraph (in الإنجليزية البريطانية). ISSN 0307-1235. Retrieved 27 January 2025.
  3. ^ Steinschaden, Jakob (27 January 2025). "DeepSeek: This is what live censorship looks like in the Chinese AI chatbot". Trending Topics (in الإنجليزية). Retrieved 27 January 2025.
  4. ^ أ ب Vincent, James (28 January 2025). "The DeepSeek panic reveals an AI world ready to blow". The Guardian.
  5. ^ Hoskins, Peter; Rahman-Jones, Imran (27 January 2025). "Nvidia shares sink as Chinese AI app spooks markets". BBC (in الإنجليزية البريطانية). Retrieved 28 January 2025.
  6. ^ أ ب ت ث ج ح خ Metz, Cade; Tobin, Meaghan (23 January 2025). "How Chinese A.I. Start-Up DeepSeek Is Competing With Silicon Valley Giants". The New York Times (in الإنجليزية الأمريكية). ISSN 0362-4331. Retrieved 27 January 2025.
  7. ^ Cosgrove, Emma (27 January 2025). "DeepSeek's cheaper models and weaker chips call into question trillions in AI infrastructure spending". Business Insider.
  8. ^ Mallick, Subhrojit (16 Jan 2024). "Biden admin's cap on GPU exports may hit India's AI ambitions". The Economic Times. Retrieved 29 January 2025.
  9. ^ Saran, Cliff (10 December 2024). "Nvidia investigation signals widening of US and China chip war | Computer Weekly". Computer Weekly. Retrieved 27 January 2025.
  10. ^ Sherman, Natalie (9 December 2024). "Nvidia targeted by China in new chip war probe". BBC. Retrieved 27 January 2025.
  11. ^ أ ب ت Metz, Cade (27 January 2025). "What is DeepSeek? And How Is It Upending A.I.?". The New York Times (in الإنجليزية الأمريكية). ISSN 0362-4331. Retrieved 27 January 2025.
  12. ^ Field, Hayden (27 January 2025). "China's DeepSeek AI dethrones ChatGPT on App Store: Here's what you should know". CNBC.
  13. ^ "What is DeepSeek, and why is it causing Nvidia and other stocks to slump?". www.cbsnews.com. 27 January 2025.
  14. ^ Zahn, Max. "Nvidia, Microsoft shares tumble as China-based AI app DeepSeek hammers tech giants". ABC News (in الإنجليزية). Retrieved 27 January 2025.
  15. ^ Roose, Kevin (2025-01-28). "Why DeepSeek Could Change What Silicon Valley Believe About A.I." The New York Times (in الإنجليزية الأمريكية). ISSN 0362-4331. Retrieved 2025-01-28.
  16. ^ أ ب Romero, Luis E. "ChatGPT, DeepSeek, Or Llama? Meta's LeCun Says Open-Source Is The Key". Forbes.
  17. ^ Panda, Aishwarya (28 January 2025). "Deepseek Wounds Redirected to Low-Cost H1-Bs". M9 news (in الإنجليزية الأمريكية). Retrieved 28 January 2025.
  18. ^ أ ب Chen, Caiwei (24 January 2025). "How a top Chinese AI model overcame US sanctions". MIT Technology Review (in الإنجليزية). Archived from the original on 25 January 2025.
  19. ^ أ ب ت ث Ottinger, Lily (9 December 2024). "Deepseek: From Hedge Fund to Frontier Model Maker". ChinaTalk (in الإنجليزية). Archived from the original on 28 December 2024. Retrieved 28 December 2024.
  20. ^ Yu, Xu (17 April 2023). "[Exclusive] Chinese Quant Hedge Fund High-Flyer Won't Use AGI to Trade Stocks, MD Says". Yicai Global (in الإنجليزية). Archived from the original on 31 December 2023. Retrieved 28 December 2024.
  21. ^ أ ب ت ث ج Jiang, Ben; Perezi, Bien (1 January 2025). "Meet DeepSeek: the Chinese start-up that is changing how AI models are trained". South China Morning Post (in الإنجليزية). Archived from the original on 22 January 2025. Retrieved 1 January 2025.
  22. ^ أ ب McMorrow, Ryan; Olcott, Eleanor (9 June 2024). "The Chinese quant fund-turned-AI pioneer". Financial Times. Archived from the original on 17 July 2024. Retrieved 28 December 2024.
  23. ^ أ ب Schneider, Jordan (27 November 2024). "Deepseek: The Quiet Giant Leading China's AI Race". ChinaTalk (in الإنجليزية). Retrieved 28 December 2024.
  24. ^ "DeepSeek-Coder/LICENSE-MODEL at main · deepseek-ai/DeepSeek-Coder". GitHub (in الإنجليزية). Archived from the original on 22 January 2025. Retrieved 24 January 2025.
  25. ^ أ ب ت Guo, Daya; Zhu, Qihao; Yang, Dejian; Xie, Zhenda; Dong, Kai; Zhang, Wentao; Chen, Guanting; Bi, Xiao; et al. (26 January 2024), DeepSeek-Coder: When the Large Language Model Meets Programming – The Rise of Code Intelligence 
  26. ^ "DeepSeek Coder". deepseekcoder.github.io. Retrieved 27 January 2025.
  27. ^ deepseek-ai/DeepSeek-Coder, DeepSeek, 27 January 2025, https://github.com/deepseek-ai/deepseek-coder/, retrieved on 27 January 2025 
  28. ^ "deepseek-ai/deepseek-coder-5.7bmqa-base · Hugging Face". huggingface.co. Retrieved 27 January 2025.
  29. ^ أ ب ت ث DeepSeek-AI; Bi, Xiao; Chen, Deli; Chen, Guanting; Chen, Shanhuang; Dai, Damai; Deng, Chengqi; Ding, Honghui; et al. (5 January 2024), DeepSeek LLM: Scaling Open-Source Language Models with Longtermism 
  30. ^ deepseek-ai/DeepSeek-LLM, DeepSeek, 27 January 2025, https://github.com/deepseek-ai/DeepSeek-LLM, retrieved on 27 January 2025 
  31. ^ Shao, Zhihong; Wang, Peiyi; Zhu, Qihao; Xu, Runxin; Song, Junxiao; Bi, Xiao; Zhang, Haowei; Zhang, Mingchuan; et al. (27 April 2024), DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models 
  32. ^ Wang, Peiyi; Li, Lei; Shao, Zhihong; Xu, R. X.; Dai, Damai; Li, Yifei; Chen, Deli; Wu, Y.; et al. (19 February 2024), Math-Shepherd: Verify and Reinforce LLMs Step-by-step without Human Annotations 
  33. ^ أ ب ت ث DeepSeek-AI; Liu, Aixin; Feng, Bei; Wang, Bin; Wang, Bingxuan; Liu, Bo; Zhao, Chenggang; Dengr, Chengqi; et al. (19 June 2024), DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model 
  34. ^ أ ب Peng, Bowen; Quesnelle, Jeffrey; Fan, Honglu; Shippole, Enrico (1 November 2023), YaRN: Efficient Context Window Extension of Large Language Models 
  35. ^ Dai, Damai; Deng, Chengqi; Zhao, Chenggang; Xu, R. X.; Gao, Huazuo; Chen, Deli; Li, Jiashi; Zeng, Wangding; et al. (11 January 2024), DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models 
  36. ^ "config.json · deepseek-ai/DeepSeek-V2-Lite at main". huggingface.co. 15 May 2024. Retrieved 28 January 2025.
  37. ^ "config.json · deepseek-ai/DeepSeek-V2 at main". huggingface.co. 6 May 2024. Retrieved 28 January 2025.
  38. ^ DeepSeek-AI; Zhu, Qihao; Guo, Daya; Shao, Zhihong; Yang, Dejian; Wang, Peiyi; Xu, Runxin; Wu, Y.; et al. (17 June 2024), DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence 
  39. ^ "deepseek-ai/DeepSeek-V2.5 · Hugging Face". huggingface.co. 3 January 2025. Retrieved 28 January 2025.
  40. ^ أ ب ت ث ج ح DeepSeek-AI; Liu, Aixin; Feng, Bei; Xue, Bing; Wang, Bingxuan; Wu, Bochao; Lu, Chengda; Zhao, Chenggang; et al. (27 December 2024), DeepSeek-V3 Technical Report 
  41. ^ "config.json · deepseek-ai/DeepSeek-V3 at main". huggingface.co. 26 December 2024. Retrieved 28 January 2025.
  42. ^ Jiang, Ben (27 December 2024). "Chinese start-up DeepSeek's new AI model outperforms Meta, OpenAI products". South China Morning Post (in الإنجليزية). Archived from the original on 27 December 2024. Retrieved 28 December 2024.
  43. ^ Sharma, Shubham (26 December 2024). "DeepSeek-V3, ultra-large open-source AI, outperforms Llama and Qwen on launch". VentureBeat (in الإنجليزية الأمريكية). Archived from the original on 27 December 2024. Retrieved 28 December 2024.
  44. ^ Wiggers, Kyle (26 December 2024). "DeepSeek's new AI model appears to be one of the best 'open' challengers yet". TechCrunch. Archived from the original on 2 January 2025. Retrieved 31 December 2024.
  45. ^ "News | DeepSeek-R1-Lite Release 2024/11/20: 🚀 DeepSeek-R1-Lite-Preview is now live: unleashing supercharged reasoning power!". DeepSeek API Docs (in الإنجليزية). Retrieved 28 January 2025.
  46. ^ Franzen, Carl (20 November 2024). "DeepSeek's first reasoning model R1-Lite-Preview turns heads, beating OpenAI o1 performance". VentureBeat (in الإنجليزية الأمريكية). Archived from the original on 22 November 2024. Retrieved 28 December 2024.
  47. ^ Huang, Raffaele (24 December 2024). "Don't Look Now, but China's AI Is Catching Up Fast". The Wall Street Journal (in الإنجليزية الأمريكية). Archived from the original on 27 December 2024. Retrieved 28 December 2024.
  48. ^ "Release DeepSeek-R1 · deepseek-ai/DeepSeek-R1@23807ce". GitHub (in الإنجليزية). Archived from the original on 21 January 2025. Retrieved 21 January 2025.
  49. ^ أ ب ت ث DeepSeek-AI; Guo, Daya; Yang, Dejian; Zhang, Haowei; Song, Junxiao; Zhang, Ruoyu; Xu, Runxin; Zhu, Qihao; et al. (22 January 2025), DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning 
  50. ^ "Chinese AI startup DeepSeek overtakes ChatGPT on Apple App Store". Reuters. 27 January 2025. Retrieved 27 January 2025.
  51. ^ Wade, David (6 December 2024). "American AI has reached its Sputnik moment". The Hill (in الإنجليزية الأمريكية). Archived from the original on 8 December 2024. Retrieved 25 January 2025.
  52. ^ أ ب ت Milmo, Dan; Hawkins, Amy; Booth, Robert; Kollewe, Julia (28 January 2025). "'Sputnik moment': $1tn wiped off US stocks after Chinese firm unveils AI chatbot" – via The Guardian.
  53. ^ أ ب ت "DeepSeek Chinese AI chatbot sparks market turmoil for rivals". www.bbc.com (in الإنجليزية البريطانية). 27 January 2025. Retrieved 27 January 2025.
  54. ^ Goldman, David (2025-01-27). "What is DeepSeek, the Chinese AI startup that shook the tech world? | CNN Business". CNN (in الإنجليزية). Retrieved 2025-01-29.
  55. ^ Shilov, Anton (27 December 2024). "Chinese AI company's AI model breakthrough highlights limits of US sanctions". Tom's Hardware (in الإنجليزية). Archived from the original on 28 December 2024. Retrieved 28 December 2024.
  56. ^ "DeepSeek updates – Chinese AI chatbot sparks US market turmoil, wiping $500bn off Nvidia". BBC News (in الإنجليزية البريطانية). Retrieved 27 January 2025.
  57. ^ Nazareth, Rita (26 January 2025). "Stock Rout Gets Ugly as Nvidia Extends Loss to 17%: Markets Wrap". Bloomberg. Retrieved 27 January 2025.
  58. ^ Carew, Sinéad; Cooper, Amanda; Banerjee, Ankur (27 January 2025). "DeepSeek sparks global AI selloff, Nvidia losses about $593 billion of value". Reuters.
  59. ^ أ ب Sherry, Ben (28 January 2025). "DeepSeek, Calling It 'Impressive' but Staying Skeptical". Inc. Retrieved 29 January 2025.
  60. ^ Kevin Okemwa (2025-01-28). "Microsoft CEO Satya Nadella touts DeepSeek's open-source AI as "super impressive": "We should take the developments out of China very, very seriously"". Windows Central (in الإنجليزية). Retrieved 2025-01-28.
  61. ^ Nazzaro, Miranda (28 January 2025). "OpenAI's Sam Altman calls DeepSeek model 'impressive'". The Hill. Retrieved 28 January 2025.
  62. ^ Dou, Eva; Gregg, Aaron; Zakrzewski, Cat; Tiku, Nitasha; Najmabadi, Shannon (28 January 2025). "Trump calls China's DeepSeek AI app a 'wake-up call' after tech stocks slide". The Washington Post. Retrieved 28 January 2025.
  63. ^ Habeshian, Sareen (28 January 2025). "Johnson bashes China on AI, Trump calls DeepSeek development "positive"". Axios.
  64. ^ Hoskins, Peter; Rahman-Jones, Imran (27 January 2025). "Nvidia shares sink as Chinese AI app spooks markets". BBC (in الإنجليزية البريطانية). Retrieved 28 January 2025.
  65. ^ Karaian, Jason; Rennison, Joe (27 January 2025). "China's A.I. Advances Spook Big Tech Investors on Wall Street" – via NYTimes.com.
  66. ^ Sharma, Manoj (2025-01-06). "Musk dismisses, Altman applauds: What leaders say on DeepSeek's disruption". Fortune India (in الإنجليزية). Retrieved 2025-01-28.
  67. ^ "Elon Musk 'questions' DeepSeek's claims, suggests massive Nvidia GPU infrastructure". Financialexpress (in الإنجليزية). 2025-01-28. Retrieved 2025-01-28.
  68. ^ Kim, Eugene. "Big AWS customers, including Stripe and Toyota, are hounding the cloud giant for access to DeepSeek AI models". Business Insider.
  69. ^ Kerr, Dara (27 January 2025). "DeepSeek hit with 'large-scale' cyber-attack after AI chatbot tops app stores". The Guardian. Retrieved 28 January 2025.
  70. ^ Tweedie, Steven; Altchek, Ana. "DeepSeek temporarily limited new sign-ups, citing 'large-scale malicious attacks'". Business Insider.
  71. ^ Field, Matthew; Titcomb, James (27 January 2025). "Chinese AI has sparked a $1 trillion panic – and it doesn't care about free speech". The Daily Telegraph (in الإنجليزية البريطانية). ISSN 0307-1235. Retrieved 27 January 2025.
  72. ^ أ ب Steinschaden, Jakob (27 January 2025). "DeepSeek: This is what live censorship looks like in the Chinese AI chatbot". Trending Topics (in الإنجليزية). Retrieved 27 January 2025.
  73. ^ "The Guardian view on a global AI race: geopolitics, innovation and the rise of chaos". The Guardian (in الإنجليزية البريطانية). 26 January 2025. ISSN 0261-3077. Retrieved 27 January 2025.
  74. ^ Yang, Angela; Cui, Jasmine (27 January 2025). "Chinese AI DeepSeek jolts Silicon Valley, giving the AI race its 'Sputnik moment'". NBC News (in الإنجليزية). Retrieved 27 January 2025.
  75. ^ Lu, Donna (2025-01-28). "We tried out DeepSeek. It worked well, until we asked it about Tiananmen Square and Taiwan". The Guardian (in الإنجليزية البريطانية). ISSN 0261-3077. Retrieved 2025-01-28.
  76. ^ Kimery, Anthony (26 January 2025). "China's DeepSeek AI poses formidable cyber, data privacy threats". Biometric Update (in الإنجليزية الأمريكية). Retrieved 27 January 2025.
  77. ^ Booth, Robert; Milmo, Dan (2025-01-28). "Experts urge caution over use of Chinese AI DeepSeek". The Guardian (in الإنجليزية البريطانية). ISSN 0261-3077. Retrieved 2025-01-28.
  78. ^ Hornby, Rael (2025-01-28). "DeepSeek's success has painted a huge TikTok-shaped target on its back". LaptopMag (in الإنجليزية). Retrieved 2025-01-28.
  79. ^ "Privacy policy". Open AI (in الإنجليزية الأمريكية). Retrieved 2025-01-28.
  80. ^ Burgess, Matt. "DeepSeek's Popular AI App Is Explicitly Sending US Data to China". Wired (in الإنجليزية الأمريكية). ISSN 1059-1028. Retrieved 28 January 2025.
  81. ^ "Italy regulator seeks information from DeepSeek on data protection". Reuters. 28 January 2025. Retrieved 28 January 2025.
  82. ^ Shalal, Andrea; Shepardson, David (28 January 2025). "White House evaluates effect of China AI app DeepSeek on national security, official says". Reuters. Retrieved 28 January 2025.

وصلات خارجية

This article contains content from Wikimedia licensed under CC BY-SA 4.0. Please comply with the license terms.
تمّ الاسترجاع من "https://www.marefa.org/w/index.php?title=DeepSeek&oldid=4163196"