Смена поставщиков и оборудования привела к необходимости перепроектировать строящиеся центры обработки данных и пересмотреть планы по созданию новых объектов, - отметил он.

Если российская компания нанимает ML-разработчика, использует датасеты, обученные на объектах из США и ЕС, и внедряет решение на отечественном рынке, очевидно, результат будет не самым блестящим. При этом на рынке еще не выработаны стандарты качества, сложно найти специалиста, который знает, что и как делать правильно, – говорит Максим Вязников.

2024-й показал, что искусственный интеллект перестал быть технологией будущего — он стал неотъемлемой частью нашего настоящего. Однако за стремительным развитием стоит не только успех, но и вызовы. Нам необходимо строить мощную инфраструктуру и развивать профессиональные кадры, чтобы потенциал ИИ стал доступным и полезным для всех отраслей экономики.

На примерах AIME и MATH DeepSeek-R1 показывает одинаковые результаты с o1, т.е. хорошо решает текстовые и математические задачи. Однако, в тестах, где играют в крестики-нолики, обе модели делают ошибки.

По мощности с o1 и R1 можно еще сравнить модели Qwen QvQ-72B и QwQ-32B, но по бенчмаркам они достаточно сильно отстают.

Модели уровня DeepSeek-R1 и OpenAI o1 требуют значительных вычислительных ресурсов для обучения и развертывания. Для их эффективной работы необходимы мощные серверы с высокопроизводительными графическими процессорами.

Компании, разрабатывающие такие модели, часто инвестируют значительные средства в серверные кластеры. Пользователям полномасштабных версий R1 также потребуются мощные серверы с графическими процессорами.

По мере роста популярности и использования крупных языковых моделей спрос на вычислительные мощности будет только расти.