Una regla, dieciocho marcas, y todas son de otros.
La mañana del 18 de octubre, alguien metió el nuevo modelo que DeepSeek acababa de lanzar en una herramienta llamada ModelTrace y obtuvo una línea de resultados: una similitud del 84,66 con GPT-6 Astra. En medio día, esa cifra llegó al séptimo puesto de las tendencias de Zhihu, y la misma publicación obtuvo 744 puntos en la portada de Hacker News.
La primera conclusión en los comentarios fue de cuatro caracteres: «prueba irrefutable de destilación».
Dos días antes, esta empresa acababa de pagar una compensación por una interrupción de cinco horas, devolviendo íntegramente en créditos el consumo de los últimos siete días. Había recuperado un poco de confianza. Solo dos días. Y, sin embargo, antes de que el nuevo modelo llevara un día en línea, volvieron a sacar sus cuentas.
Fui a leer el manual de esa herramienta. Su biblioteca de referencia tiene dieciocho modelos candidatos en total, todos pertenecientes a las familias GPT y Claude; no incluye ninguna versión de DeepSeek. El propio manual añade algo aún más contundente: incluso a los modelos que no están incluidos se les asigna la etiqueta del candidato existente más parecido, así que el resultado no sirve en absoluto para determinar su identidad.
Dieciocho casillas, y ni una lleva tu nombre. Entras y, por lógica, te señala a un pariente cercano. Eso es todo.
Alguien lo probó de verdad. Generó números aleatorios con Python puro, los introdujo y el sistema determinó que se parecían más a GPT-5.5. ¿También tienen linaje los números aleatorios?
Otros se basaron en su intuición y dijeron que el estilo de programación del nuevo modelo era igualito al de Astra. La intuición no cuenta.
Veamos también cómo se tomaron las muestras. Las de GPT procedían de una suscripción a Codex; las de Claude, de un servicio de terceros. Si usas como regla muestras obtenidas bajo dos condiciones distintas, la distancia que calculas solo indica cuál está más cerca dentro de esa lista. La herramienta nunca pretendió responder qué tan lejos queda lo que está fuera de ella.
Tampoco faltan pruebas en sentido contrario. En las pruebas, el nuevo modelo alcanzó 244 tok/s, y algunas solicitudes se acercaron a 300. ¿Qué versión de Astra había conseguido antes esa velocidad en un servicio alojado? Además, los pesos están en Hugging Face, con licencia MIT: cualquiera puede descargarlos y ejecutarlos por su cuenta.
Quienes han usado servicios intermediarios de API deberían reconocer esta situación. Pagas por A y recibes B, pero la factura no muestra ninguna anomalía. Proveedores de alojamiento, cotizaciones extrabursátiles, interfaces de cuantificación: todos padecen el mismo problema. Cuando algo queda fuera del registro, verificar la mercancía depende de que la otra parte colabore. Tienes que creer lo que te diga; no tienes forma de comprobarlo por tu cuenta. Y si algo sale mal y vuelves a preguntar, lo más probable es que solo recibas un «ya lo hemos verificado». Pocos asumen la responsabilidad.
Las cosas que pueden verificarse por sí mismas en la cadena son bastante rudimentarias: una firma, la altura de un bloque. Quién firmó y cuándo; eso no se puede cambiar. Pero este sistema también tiene puntos ciegos: muy pocos se ponen a verificar cada dato por su cuenta. La mayoría mira las conclusiones a las que otros llegaron tras verificarlo. Hacerlo uno mismo tiene un costo. Ahí está el problema.
Después de darle vueltas, creo que lo más importante que hay que recordar de esta polémica es la escala de esa regla. La herramienta puede medir similitud, pero no linaje. Son dos cosas distintas. Si confundes similitud con linaje, la culpa es de quien la usa, no de la herramienta.
Hasta el atardecer de hoy, DeepSeek aún no había respondido, y nunca ha publicado de forma detallada los datos de entrenamiento. Con esas dos cosas juntas, nadie puede decir con claridad cuál es la relación causal.
La puntuación es real. El resultado de las pruebas mejoró, y el precio por tarea individual bajó de 3,3 a 1,3; sobre ambas cosas hay datos y gráficos oficiales. El linaje es otro asunto. No se puede medir. Habrá que esperar a que se desarrolle una infraestructura de verificación independiente; por ahora, todavía no existe.
$TAO $FET $BTC
#DeepSeek #AI模型 #开源 #cripto
La mañana del 18 de octubre, alguien metió el nuevo modelo que DeepSeek acababa de lanzar en una herramienta llamada ModelTrace y obtuvo una línea de resultados: una similitud del 84,66 con GPT-6 Astra. En medio día, esa cifra llegó al séptimo puesto de las tendencias de Zhihu, y la misma publicación obtuvo 744 puntos en la portada de Hacker News.
La primera conclusión en los comentarios fue de cuatro caracteres: «prueba irrefutable de destilación».
Dos días antes, esta empresa acababa de pagar una compensación por una interrupción de cinco horas, devolviendo íntegramente en créditos el consumo de los últimos siete días. Había recuperado un poco de confianza. Solo dos días. Y, sin embargo, antes de que el nuevo modelo llevara un día en línea, volvieron a sacar sus cuentas.
Fui a leer el manual de esa herramienta. Su biblioteca de referencia tiene dieciocho modelos candidatos en total, todos pertenecientes a las familias GPT y Claude; no incluye ninguna versión de DeepSeek. El propio manual añade algo aún más contundente: incluso a los modelos que no están incluidos se les asigna la etiqueta del candidato existente más parecido, así que el resultado no sirve en absoluto para determinar su identidad.
Dieciocho casillas, y ni una lleva tu nombre. Entras y, por lógica, te señala a un pariente cercano. Eso es todo.
Alguien lo probó de verdad. Generó números aleatorios con Python puro, los introdujo y el sistema determinó que se parecían más a GPT-5.5. ¿También tienen linaje los números aleatorios?
Otros se basaron en su intuición y dijeron que el estilo de programación del nuevo modelo era igualito al de Astra. La intuición no cuenta.
Veamos también cómo se tomaron las muestras. Las de GPT procedían de una suscripción a Codex; las de Claude, de un servicio de terceros. Si usas como regla muestras obtenidas bajo dos condiciones distintas, la distancia que calculas solo indica cuál está más cerca dentro de esa lista. La herramienta nunca pretendió responder qué tan lejos queda lo que está fuera de ella.
Tampoco faltan pruebas en sentido contrario. En las pruebas, el nuevo modelo alcanzó 244 tok/s, y algunas solicitudes se acercaron a 300. ¿Qué versión de Astra había conseguido antes esa velocidad en un servicio alojado? Además, los pesos están en Hugging Face, con licencia MIT: cualquiera puede descargarlos y ejecutarlos por su cuenta.
Quienes han usado servicios intermediarios de API deberían reconocer esta situación. Pagas por A y recibes B, pero la factura no muestra ninguna anomalía. Proveedores de alojamiento, cotizaciones extrabursátiles, interfaces de cuantificación: todos padecen el mismo problema. Cuando algo queda fuera del registro, verificar la mercancía depende de que la otra parte colabore. Tienes que creer lo que te diga; no tienes forma de comprobarlo por tu cuenta. Y si algo sale mal y vuelves a preguntar, lo más probable es que solo recibas un «ya lo hemos verificado». Pocos asumen la responsabilidad.
Las cosas que pueden verificarse por sí mismas en la cadena son bastante rudimentarias: una firma, la altura de un bloque. Quién firmó y cuándo; eso no se puede cambiar. Pero este sistema también tiene puntos ciegos: muy pocos se ponen a verificar cada dato por su cuenta. La mayoría mira las conclusiones a las que otros llegaron tras verificarlo. Hacerlo uno mismo tiene un costo. Ahí está el problema.
Después de darle vueltas, creo que lo más importante que hay que recordar de esta polémica es la escala de esa regla. La herramienta puede medir similitud, pero no linaje. Son dos cosas distintas. Si confundes similitud con linaje, la culpa es de quien la usa, no de la herramienta.
Hasta el atardecer de hoy, DeepSeek aún no había respondido, y nunca ha publicado de forma detallada los datos de entrenamiento. Con esas dos cosas juntas, nadie puede decir con claridad cuál es la relación causal.
La puntuación es real. El resultado de las pruebas mejoró, y el precio por tarea individual bajó de 3,3 a 1,3; sobre ambas cosas hay datos y gráficos oficiales. El linaje es otro asunto. No se puede medir. Habrá que esperar a que se desarrolle una infraestructura de verificación independiente; por ahora, todavía no existe.
$TAO $FET $BTC
#DeepSeek #AI模型 #开源 #cripto