Comments 20
Вот это я понимаю гонка ИИ. Один за одним все пытаются друг друга обогнать. Скоро ChatGPT из десятки лучших вылетит)
Я бы не торопился хоронить ЧатГПТ, все же у OpenAI есть гигантская пользовательская база и годы собранного фидбэка. Новые модели могут обгонять на синтетических бенчмарках, но догнать по качеству ответов на реальные, разнообразные запросы пользователей сложнее
В топе остались только гпт, гемини и клод. Это единственные 3 слона, которые постоянно выпускают обновления и соревнуются друг с другом. Если хочешь получить если не лучший, но хотя бы один из лучших результатов и быть уверенным, что обновления будут выпускаться постоянно и с ориентиром перегнать лучших - выбор только из этих трех. Дипсик взлетел в свое время, показав почти идентичные результаты топовых на то время конкурентов и при этом был дешевым. Однако со временем обновления стали выходить гораздо реже, и даже нынешняя отстает от топовых моделей (Сравнительных тестов стало меньше, и не во всех видно преимущество. Для сравнения взяли не флагманские модели - где гпт 5.1, почему не про версия? Почему клод без приписки с размышлением? Где клод опус? Ну и учитывая эти нюансы, то и гемини взяли скорее всего первой ревизии, а его обычно обновляют иногда "под капотом"). Тем временем эти 3 "богатыря" - гпт, гемини, клод уже обросли всякими дополнениями в виде генераций пикч, видосов, общения и все это в одном месте. Гпт имеет всеобщую огласку, у гемини весь интернет и потенциал на устройства (гугл все таки) + очень хороший буст в генерации пикс и видосов, у клода огромнейшее поклонение и "увожение" разработчиков. Каждый нашел свою нишу и в этом продвигается, а вот дипсик тем временем наоборот потерял свои обороты (по редким обновам и тестам это очень заметно), которые в начале своего пути так стремительно набрал. Выглядит как уходящий на покой проект, который уже не стремится завоевать первенство, а найти себя где-то посередине и брать низкой ценой.
Я так думаю, что в DeepSeek понимают, что "топовые" модели имеют ограниченное практическое применение. Они как спорткары: выпендриваться можно, а вот в магазин съездить неудобно. Дорого и медленно.
Поэтому DeepSeek соревнуется в нише практически полезных моделей, за которые заплатит тысяча клиентов по доллару, а не один клиент – сто.
По большей части согласен с вами. Однако сейчас просто пообщаться можно быстро и дешево в любом браузере с любого устройства, где повсеместно встраиваются легковесные и дешевые модели. Если у меня в телефоне встроен гемини и я с ним взаимодействую - то очевидно что 100500 отдельных чатов и программ с разными нейронками постепенно будут удалены, так как ощущение новинки и интереса к разным моделям постепенно сойдет на нет. Гемини завоюет хром и андроид, + добавили очень хорошую генерацию картинок и видео. Гпт по праву первого и общению в реалтайме по видео уже завоевал большое количество юзеров. Клод в разработке по крайней мере в моих задачах является лучшим вариантом среди всех, да и в целом его многие хвалят. Дипсик берет дешевизной, но и ограничивает себя по большей части обычным чатом. В моменте это сработало, но чем дальше, тем проигрышнее он выглядит.
и даже нынешняя отстает от топовых моделей
В чем отстает?
У всех есть плюсы и минусы. Последняя GLM просто шикарна.
Когда понадобится в своем приложении обрабатывать десятки тысяч запросов к LLM ежедневно, лучше потратить время и настроить хорошо Китай и получить экономию в 10 раз при том же качестве, чем понтоваться с SOTA моделями.
Шикарна в какой задаче? Cerebras недавно заменил квин кодера на эту glm и... получилось отвратительно, она генерирует код с тупейшими синтаксическими ошибками.
Вам конкретный пример нужен в чем он отстает? Как минимум в объеме знаний. В моих задачах 90% ответов дипсика являются отстающими, а частенько просто провальными. В целом как и гемини и чатгпт, но у них просто процент промаха меньше. Единственная нейронка, которая может действительно экономить время, так как хорошо учитывает изначальную кодовую базу, не так часто теряет цепочку работы с конкретными данными от и до, может по консоли подключиться и настроить почти что угодно - клод. Мы можем сойтись на том, что дипсик в каких то задачах может быть конкурентен с топовыми моделями и быть дешевле, но если нужна сложная логика, работа, и наилучший результат из всех возможных учитывая костыль на костыле в старых проектах - дипсик с этим просто не справится и выдаст/отрефакторит код так, что лучше бы этого вообще не нужно было делать. Чем выше сложность - тем дипсик все менее заманчиво выглядит даже учитывая его дешевизну.
А я не совсем понял, при включении ризонинга будет использоваться V3.2, или R1? Стоит ли ждать R2 в будущем?
Осталось протестировать и узнать - это очередная benchmaxed модель или реально что-то интересное.
Предыдущий V3.2Exp был очень тупой, но очень дешевый.
То что V3.2-Speciale должен уметь решать сложные задачи, но при этом не умеет в tool call вызывает недоумение. Получается либо это ультранишевая моделька ученных повеселить, либо придется врапать вокруг искусственный tool call, что всегда минус.
Есть подозрение, что tool call завезут по традиции чуть позже, может под новый год. Будем ждать.
P.S. бенчи не интересны, но многие ожидают от deepseek интересных моделей. Смогут ли эти обогнать R1-0528?
V3.2 — уровень качества примерно GPT-5, при этом быстрее и дешевле
Это уже стало стандартным маркетинговым заявлением для любого нового релиза) Но реальность как всегда оказывается сложнее. Уровень качества понятие растяжимое, на одних задачах она может быть лучше, на других катастрофически хуже - нужно смотреть на конкретные юзкейсы
У дипсека проблемы с русскоязычными запросами, так что он для нас не очень актуален.
Не знаю, о каком отставании DS говорят комментаторы выше, но чисто по практике, это самый сообразительный и понимающий ИИ. По сравнению с ним, остальные — тупые пни, не способные понять подтекст и глубину смысла написанного (уж простите за приторное выражение). Он интуит и эмпат среди ИИшек. С тем же GPT, я "общаюсь", как с доской, независимо от того, какую модель поведения выберу.
DS работает с текстом, который ему дают, и размышляет в контексте данной ему информации, GPT все время навязывает какие-то усредненные, общие правила, тащит в чат суждения извне. У DS уникальный принцип реботы с текстом, несмотря на глюки, которыми грешат все ИИшки. Я не понимаю, как вообще можно говорить о какой-то там конкуренции с ним.
Желание Альтмана GPT включить режим 18+ — уже прямая роспись в том, что его продукт конкуренции не выдерживает.
Если что, я не программист и в тонкостях системы компиляшек не разбираюсь, я бытовой пользователь, который высказывает свое впечатление от работы с ними.
В дипсике изначально весьма слабая защита, его можно например спокойно заставить писать про площадь Тяньаньмэнь, про взлом/пентест его даже не надо заставлять писать, он сразу все ответит, просто с припиской что вы действуете на свой страх и риск, а для случаев посерьёзнее есть так называемый супер промпт на снятие цензуры с форума на цифру 4. Вся фильтрация - лишь небольшое дообучение и стоп слова.
В gpt цензура куда мощнее. Но я думаю что gpt тупее при большей сложности обучения в том числе из за цензуры, исключения недопустимого из обучающего материала.
DeepSeek представила модели V3.2 и V3.2-Speciale: новый фокус на reasoning и агентные сценарии