{"id":710,"date":"2025-01-29T12:02:22","date_gmt":"2025-01-29T12:02:22","guid":{"rendered":"https:\/\/janusai.pro\/?p=710"},"modified":"2025-01-29T12:02:40","modified_gmt":"2025-01-29T12:02:40","slug":"deepseek-v3-paper-details-how-to-bypass-the-cuda-monopoly","status":"publish","type":"post","link":"https:\/\/janusai.pro\/it\/deepseek-v3-paper-details-how-to-bypass-the-cuda-monopoly\/","title":{"rendered":"Dettagli del documento DeepSeek V3: Come aggirare il monopolio CUDA!"},"content":{"rendered":"
<\/div>\n

DeepSeek V3<\/a> dettagli del documento: Come aggirare il monopolio CUDA!<\/p>\n\n\n\n

I due modelli recentemente rilasciati da DeepSeek, DeepSeek-V3 e DeepSeek-R1, raggiungono prestazioni paragonabili a quelle di modelli simili di OpenAI a un costo molto inferiore.<\/p>\n\n\n\n

Secondo quanto riportato dai media stranieri, in soli due mesi \u00e8 stato addestrato un modello linguistico MoE con 671 miliardi di parametri su un cluster di 2.048 GPU H800, un'efficienza 10 volte superiore a quella delle migliori AI.<\/p>\n\n\n\n

Questa svolta non \u00e8 stata ottenuta utilizzando CUDA, ma grazie a un gran numero di ottimizzazioni a grana fine e all'uso della programmazione PTX (esecuzione di thread in parallelo) di NVIDIA in stile assembly.<\/p>\n\n\n\n

DeepSeek<\/a> \u00e8 stata costretta a prendere una strada diversa da OpenAI e da altre aziende che si affidano alla potenza di calcolo bruta in presenza di vincoli hardware. Ha utilizzato una serie di innovazioni tecnologiche per ridurre i requisiti energetici del modello, ottenendo al contempo un aumento delle prestazioni.<\/p>\n\n\n\n

\"\"\/<\/figure>\n\n\n\n

Alcuni commenti entusiasti dei netizen:<\/p>\n\n\n\n

\"In questo mondo, se ci sono gruppi di persone cos\u00ec folli da dire cose come 'CUDA \u00e8 troppo lento!<\/p>\n\n\n\n

\"\"\/<\/figure>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n
\"\"\/<\/figure>\n\n\n\n
\n
\n

Indice dei contenuti<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n