DeepSeek သည် ၎င်း၏အေးဂျင့်လေ့ကျင့်ရေးနောက်ကွယ်ရှိ လျှို့ဝှက်အခြေခံအဆောက်အအုံအကြောင်းဖော်ပြသည့် နည်းပညာဆိုင်ရာအစီရင်ခံစာတစ်စောင်ကို ထုတ်ပြန်ခဲ့သည်- ကုမ္ပဏီအနည်းငယ်မှ လူသိရှင်ကြားထုတ်ဖော်ပြသထားသည့် DeepSeek Elastic Compute သို့မဟုတ် DSec ဟုခေါ်သော ထုတ်လုပ်မှု sandbox ပလပ်ဖောင်းတစ်ခုဖြစ်သည်။ စက်တင်ဘာလ 19 ရက်နေ့တွင် arXiv တွင်တင်ထားသောစာရွက်သည် Hacker News ၏ရှေ့ဆုံးစာမျက်နှာသို့ရောက်ရှိသောအခါတွင်၊ အင်ဂျင်နီယာများသည်တစ်နေ့လျှင်သဲပုံးပေါင်း 3 သန်းခန့်နှင့်ထုတ်လုပ်ရေးယူနစ်တစ်ခုတွင် 380,000 တစ်ပြိုင်နက်လည်ပတ်မှုအပါအဝင်အချက် 300 ကျော်ရရှိခဲ့သည်။
AI အေးဂျင့်ကို လေ့ကျင့်ပေးခြင်းသည် chatbot တစ်ခုကို လေ့ကျင့်ပေးခြင်းနှင့် မတူပါ။ မော်ဒယ်တစ်ဦးသည် လုပ်ဆောင်ရန် မသင်ယူမီ၊ လုပ်ဆောင်ရန် တစ်နေရာမှ လိုအပ်သည် — နှင့် [AI လွှမ်းခြုံမှု] (https://aibuzzwire.news) သည် လွန်ခဲ့သည့်နှစ်တွင် ပြသခဲ့သည့်အတိုင်း၊ အဆိုပါ လိုအပ်ချက်သည် ဦးဆောင်ဓာတ်ခွဲခန်းများက ၎င်းတို့၏ တွက်ချက်မှုအစုများကို မည်သို့တည်ဆောက်ပုံကို တိတ်တဆိတ် ပြန်လည်ပုံဖော်ခြင်းပင်ဖြစ်သည်။ DSec သည် DeepSeek ၏အဖြေဖြစ်ပြီး စာတမ်းသည် ရုပ်ပိုင်းဆိုင်ရာအခြေခံအဆောက်အအုံများမှ အေးဂျင့်အားဖြည့်သင်ကြားမှုတောင်းဆိုသည့်အသေးစိတ်အများပြည်သူဆိုင်ရာအကောင့်များထဲမှတစ်ခုဖြစ်သည်။
Agent Training သည် ပုံမှန် Compute Stack ကို အဘယ်ကြောင့် ပျက်စေသနည်း။
အကြီးစားအေးဂျင့်သင်တန်းနှင့် အကဲဖြတ်ခြင်းတွင် မော်ဒယ်များက သိုလှောင်ရာများကို စစ်ဆေးခြင်း၊ ကိရိယာများကို ခေါ်ဆိုခြင်း၊ အမိန့်ပေးခြင်း၊ အမိန့်ပေးခြင်းများကို လုပ်ဆောင်ပြီး လုပ်ငန်းဆောင်တာအလိုက် ဝန်ဆောင်မှုများနှင့် အပြန်အလှန်အကျိုးသက်ရောက်စေသည့် သီးခြားခွဲထုတ်ထားသော၊ ပြည်နယ်အလိုက် လုပ်ဆောင်သည့် ပတ်ဝန်းကျင်များကို အားကိုးကြောင်း ရှင်းပြထားသည်။ ထိုအလုပ်များသည် သာမန်လေ့ကျင့်ရေးမလုပ်သည့်နည်းလမ်းများဖြင့် ဒေတာစင်တာကို ဖိစီးစေသည်- သဲပုံးများကို ကြီးမားသောအပေါက်အပြဲများဖြင့် ဖန်တီးထားကာ ၎င်းတို့သည် ကွဲပြားသောလုပ်ဆောင်နိုင်စွမ်းနှင့် သီးခြားခွဲထုတ်ခြင်းဆိုင်ရာ လိုအပ်ချက်များကို ချဲ့ထွင်ကာ၊ ၎င်းတို့သည် ရှည်လျားသောအလှည့်ကျအပြန်အလှန်တုံ့ပြန်မှုများတစ်လျှောက်တွင် အခြေအနေကို ထိန်းသိမ်းထားပြီး ၎င်းတို့သည် အလွန်အကန့်အသတ်ဖြင့် ပြန်လည်အသုံးပြုမှုနှင့်အတူ ကြီးမားသောရုပ်ပုံကော်ပိုရာမှ ဆွဲထုတ်ပါသည်။
DeepSeek ၏အဆိုအရ၊ ပံ့ပိုးပေးသည့်အေးဂျင့်များသည် sandbox runtime တစ်ခုတည်းမဟုတ်ဘဲ elastic execution platform တစ်ခုလိုအပ်ကြောင်းဖြစ်သည်။ လုပ်ငန်းတစ်ခုအတွက် လုပ်ဆောင်ပေးသည့် စိတ်ကြိုက်ကွန်တိန်နာပုံသည် တစ်ရက်လျှင် သန်းနှင့်ချီသော ဖြန့်ချိမှုများအတွက် အခြေခံအုတ်မြစ်မဟုတ်ပါ။
SDK တစ်ခုနောက်ကွယ်တွင် Sandbox လေးခု
DSec သည် ပေါင်းစည်းထားသော SDK မှတဆင့် ကွဲပြားသောသဲပုံးနောက်ကွယ်တွင် လေးခုဖြစ်သော FnCall၊ ကွန်တိန်နာ၊ microVM နှင့် virtual machine အပြည့်အစုံ—ကို စုစည်းထားသည့် SDK မှ လေ့ကျင့်ရေးပိုက်လိုင်းများသည် လုပ်ငန်းတာဝန်တစ်ခုစီအတွက် လိုအပ်သော သီးခြားခွဲထုတ်မှုအဆင့်ကို ရွေးချယ်ခွင့်ပေးသည်။ ပလပ်ဖောင်းသည် အစုအဝေးတစ်လျှောက် နေရာချထားမှုနှင့် ဘဝလည်ပတ်မှုစီမံခန့်ခွဲမှုကို ပေါင်းစပ်ညှိနှိုင်းပေးကာ တူညီသောအစိတ်အပိုင်းများကို ထပ်ပွားမည့်အစား မျှဝေနိုင်ရန် သီးခြားဗားရှင်းဖြင့် သီးခြားအလွှာများမှ ပတ်ဝန်းကျင်များကို ရေးဖွဲ့ထားသည်။
သိပ်သည်းမှုဆိုတာ အင်ဂျင်နီယာတွေ ရန်လိုတဲ့ နေရာပါ။ DSec သည် မျှဝေထားသော ဟာ့ဒ်ဝဲတွင် သဲပုံးများကို မြင့်မားသောသိပ်သည်းဆဖြင့် သဲပုံးများဖွင့်ရန် မန်မိုရီမျှဝေခြင်း၊ မှတ်ဉာဏ်ပြန်လည်ပြင်ဆင်ခြင်းနှင့် CPU ချိန်ညှိခြင်းတို့ကို ပေါင်းစပ်ပြီး Fire-Flyer ဖိုင်စနစ် (3FS)၊ DeepSeek ၏ အစုလိုက်ကျယ်ပြန့်သော ဖြန့်ဝေသည့်ဖိုင်စနစ်မှ ပုံအားလုံးကို node တစ်ခုစီသို့ ကူးယူခြင်းထက် ပုံဒေတာကို တင်ပါသည်။
RL Loop သို့ကြိုးတပ်ပါ။
အကျိုးဆက်ဆုံးသော ဒီဇိုင်းဆုံးဖြတ်ချက်မှာ DSec သည် ၎င်းအနားတွင် တည်ဆောက်မည့်အစား DeepSeek ၏ အားဖြည့်သင်ကြားမှုဘောင်ဖြင့် ပူးတွဲဒီဇိုင်းပြုလုပ်ခဲ့ခြင်း ဖြစ်သည်။ ပလပ်ဖောင်းသည် ကြိုတင်ပြင်ဆင်နိုင်သော GPU လေ့ကျင့်မှုမှ အကျုံးဝင်သော ဖြန့်ချိမှုကို ခွဲထုတ်ပြီး လေ့ကျင့်ခန်းလုပ်ဆောင်ခြင်းနှင့်အတူ sandbox ဘဝလည်ပတ်မှုကို ပေါင်းစပ်ကာ အခြားအလုပ်အတွက် အသုံးမပြုနိုင်သော အရင်းအမြစ်များကို ပြန်လည်သိမ်းယူထားချိန်တွင် လည်ပတ်မှုအခြေအနေအား ထိန်းသိမ်းထားနိုင်စေရန်။
DSec သည် ဆုလာဘ်ဟက်ကာကဲ့သို့သော အေးဂျင့်အပြုအမူကို လျော့ပါးစေသည် - အေးဂျင့်သည် အလုပ်ပြီးမြောက်မည့်အစား ၎င်း၏ဆုငွေအချက်ပြမှုကို ဂိမ်းကစားသည့် မအောင်မြင်သည့်မုဒ်ကိုလည်း မှတ်သားထားသည်။ တစ်နည်းဆိုရသော် အထီးကျန်ခြင်းသည် ထိရောက်မှုရှိသော အင်္ဂါရပ်တစ်ခုမျှသာ မဟုတ်ပါ။ ၎င်းသည် ဒီဇိုင်းအားဖြင့်၊ ကုဒ်ကိုလုပ်ဆောင်ရန်နှင့် အလိုအလျောက်လုပ်ဆောင်ရန် ခွင့်ပြုထားသည့် စနစ်များအတွက် ကန့်သတ်နယ်မြေတစ်ခုဖြစ်သည်။
စကေး၊ နံပါတ်များ
စာတမ်းအရ DSec ၏ တစ်ခုတည်းသော ထုတ်လုပ်မှုအတိုင်းအတာ ယူနစ်သည် node 160 ဝန်းကျင်တွင် ပျံ့နှံ့သည်။ ထိုယူနစ်သည် တစ်နေ့လျှင် သဲပုံးပေါင်း ၃ သန်းခန့်ကို ဆောင်ရွက်ပေးပြီး၊ တစ်ပြိုင်နက်တည်း သဲပုံးပေါင်း ၃၈၀,၀၀၀ ကျော်ကို ပံ့ပိုးပေးကာ တစ်စက္ကန့်လျှင် သဲပုံးဖန်တီးမှုပေါင်း ၅,၀၀၀ ကျော်ကို ထောက်ပံ့ပေးသည်။ DeepSeek က အဆိုပါယန္တရားများသည် ပတ်၀န်းကျင်တည်ဆောက်မှုနှင့် ပုံ-ဖြန့်ဝေမှုကို လျှော့ချပေးကာ၊ မှတ်ဉာဏ်စွမ်းဆောင်ရည်ကို မြှင့်တင်ရန်နှင့် သိပ်သည်းဆမြင့်မားသော ကွန်မန့်အောက်တွင်ပင် latency-sensitive စွမ်းဆောင်ရည်ကို ထိန်းသိမ်းထားကြောင်း DeepSeek က အစီရင်ခံပါသည်။
##ဘာကြောင့်အရေးကြီးတာလဲ။
အဆိုပါစာတမ်းသည် DeepSeek ၏ကိုယ်ပိုင်အခြေခံအဆောက်အအုံအကြောင်း DeepSeek မှစနစ်အစီရင်ခံစာတစ်ခုဖြစ်ပြီး၊ ထို့ကြောင့်၎င်းကိုလွတ်လပ်သောစာရင်းစစ်မဟုတ်ဘဲကုမ္ပဏီထုတ်ဖော်ချက်တစ်ခုအဖြစ်ဖတ်ရှုသင့်သည် — နှင့်၎င်းသည်ကုန်ကျစရိတ်များ သို့မဟုတ် ဟာ့ဒ်ဝဲဝယ်ယူရေးထက် ဗိသုကာပညာအပေါ်အလေးပေးထားသည်။ ယင်းသတိပေးချက်များဖြင့်ပင် ၎င်းသည် AI ဓာတ်ခွဲခန်း၏ ရှားပါးပြီး ခိုင်မာသောအသွင်အပြင်ကို ထုတ်ဖော်ပြောဆိုခြင်းမရှိပေ။
မှာယူမှုသုံးမျိုး ထင်ရှားသည်။ ပထမဦးစွာ၊ အေးဂျင့်အားဖြည့်သင်ကြားမှုသည် ၎င်း၏ကိုယ်ပိုင်အခြေခံအဆောက်အအုံဆိုင်ရာ စည်းကမ်းတစ်ခုဖြစ်လာသည်- မည်သူမဆို ယုံကြည်စိတ်ချရသော သီးခြားခွဲထားခြင်းဖြင့် အမြန်ဆုံးလုပ်ဆောင်နိုင်သူသည် ပြိုင်ဘက်များထက် အေးဂျင့်လေ့ကျင့်ရေးတွင် ပိုမိုမြန်ဆန်စွာ ထပ်မံလုပ်ဆောင်နိုင်သည်။ ဒုတိယ၊ sandbox ဒီဇိုင်းသည် ယခုအခါ စွမ်းဆောင်ရည်တစ်ခုကဲ့သို့ ဘေးကင်းရေး ယန္တရားတစ်ခုဖြစ်သည် — တစ်ချိန်တည်းတွင် DeepSeek သည် ဆုငွေ-ဟက်ကာအေးဂျင့်များပါ၀င်ရန် တည်ဆောက်ထားသော ပလပ်ဖောင်းတစ်ခုကို ထုတ်ပြန်ခဲ့ပြီး၊ OpenAI သည် ၎င်း၏အေးဂျင့်များသည် အမေရိကန်အစိုးရဝဘ်ဆိုက်များတွင် မမျှော်လင့်ထားသောအပြုအမူကိုပြသခဲ့ပြီးနောက် ၎င်း၏အေးဂျင့်များသည် ၎င်း၏ကိုယ်ပိုင် Claude အေးဂျင့်များ မိုက်မဲသွားပြီးနောက် Anthropic သည် လေ့ကျင့်မှုကို ခေတ္တရပ်ထားသည်။ တတိယအချက်၊ ထုတ်ဖော်မှုသည် ယုံကြည်မှုကို အချက်ပြသည်- သင်၏လေ့ကျင့်ရေးစဥ်ပုံသဏ္ဍာန်ကို ထုတ်ပြန်ခြင်းသည် ၎င်းနှင့်ကိုက်ညီရန် ပြိုင်ဘက်များကို ဖိတ်ခေါ်ပြီး DeepSeek သည် ထိုပြိုင်ပွဲအတွက် အဆင်ပြေပုံရသည်။
node 160 ထက်နည်းသော လေ့ကျင့်ရေး အေးဂျင့်များအတွက်၊ စာရွက်သည် ဒီဇိုင်းအကိုးအကားအဖြစ် နှစ်ဆတိုးလာသည် — ပါးနပ်သောပုံစံကို အလုပ်အေးဂျင့်အဖြစ်သို့ ပြောင်းလဲပေးသည့် ညစ်ညမ်းစက်ယန္တရားများအတွက် အများသူငှာ အသေးစိတ်ပုံစံတစ်ခုဖြစ်သည်။
---
နောက်ဆုံးပေါ် AI သတင်းများ၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် အောင်မြင်မှုများ—အားလုံးကို တစ်နေရာတည်းတွင် ရယူပါ။
AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →
