Cuando DeepSeek publicó su modelo V3 con capacidades rivales de GPT-4o, entrenado por apenas $6 millones (frente a los cientos de millones de sus competidores), causó un terremoto en el mercado bursátil y en la industria tecnológica global.
El shock de DeepSeek
La premisa parecía imposible: un equipo chino relativamente pequeño, trabajando con chips H800 (una versión menos potente del H100 de NVIDIA, sujeta a restricciones de exportación de EE.UU.), logrando igualar en muchos benchmarks a GPT-4o y Claude 3.5 Sonnet.
¿Cómo lo lograron?
- 🔬 Multi-Token Prediction — predice múltiples tokens simultáneamente, acelerando el entrenamiento
- ⚡ FP8 mixed precision — entrenamiento en precisión reducida sin pérdida notable de calidad
- 🧩 Mixture of Experts eficiente — solo 37B parámetros activos de 671B totales
- 💾 Optimización extrema de memoria — técnicas propias para reducir el uso de VRAM
DeepSeek R1: El Razonador
El modelo complementario DeepSeek R1 se especializa en razonamiento matemático y científico, usando reinforcement learning puro sin supervisión humana. En AIME 2024 (olimpiadas de matemáticas), alcanza el 72.6%, comparable a o1 de OpenAI.
Consecuencias geopolíticas
El éxito de DeepSeek demuestra que las restricciones de exportación de chips de EE.UU. no han impedido el avance de la IA china — solo lo han hecho más ingenioso. La carrera de IA ya no es exclusivamente americana.
Mis herramientas que funcionan en tu navegador
Convierte audio, imágenes, PDF, Office, video y código al instante. Todo corre localmente en tu navegador — no subes nada a ningún servidor.
