Artificial Inteligence

DeepSeek Perkenalkan Model Kecerdasan Buatan (AI) Multimodal yang Menggunakan Persepsi Visual

MARYLAND, TINGKAP.CO - Peluncuran terbaru ini melanjutkan upaya startup China dalam meningkatkan efisiensi model kecerdasan buatan (AI), sambil menekan biaya pengembangan dan penggunaannya.

Melansir South China Morning Post, DeepSeek pada Senin (20/10) meluncurkan model kecerdasan buatan multimodal baru yang mampu menangani dokumen besar dan kompleks dengan jumlah token yang jauh lebih sedikit unit teks terkecil yang diproses oleh model dengan menggunakan persepsi visual sebagai media kompresi informasi.

Model DeepSeek-OCR (pengenalan karakter optik) sumber terbuka, yang tersedia melalui platform pengembang online Hugging Face dan GitHub, merupakan hasil dari "penelitian tentang peran encoder visual" untuk mengompres teks guna model bahasa besar (LLMs), kata startup AI berbasis di Hangzhou dalam sebuah posting blog.

Dengan menggunakan pendekatan tersebut, LLMs akan dapat memproses jumlah teks yang sangat besar tanpa menimbulkan peningkatan biaya komputasi yang proporsional.

Melalui DeepSeek-OCR, kami menunjukkan bahwa kompresi teks-visual dapat mencapai pengurangan token yang signifikan tujuh hingga 20 kali lipat untuk berbagai tahap konteks historis, menawarkan arah yang menjanjikan untuk mengatasi tantangan konteks panjang dalam model bahasa besar (LLMs), kata perusahaan tersebut.

Hal ini menunjukkan upaya konsisten DeepSeek untuk meningkatkan efisiensi model AI, sambil menurunkan biaya pengembangan dan penggunaannya prinsip yang diikuti perusahaan dalam pengembangan model open-source terobosannya V3 dan R1 yang dirilis pada Desember dan Februari masing-masing.

Menurut posting blog perusahaan, DeepSeek-OCR terdiri dari dua komponen utama: DeepEncoder dan DeepSeek3B-MoE-A570M sebagai decoder.