Uma régua, dezoito marcações, todas de modelos alheios.
Na manhã de 18 de outubro, alguém colocou o novo modelo que a DeepSeek acabara de lançar numa ferramenta chamada ModelTrace. O resultado foi uma linha: similaridade de 84,66 com o GPT-6 Astra. Em meio dia, esse número chegou ao sétimo lugar na lista de assuntos mais comentados do Zhihu; a mesma publicação ficou com 744 pontos na página inicial do Hacker News.
A primeira conclusão nos comentários veio em quatro caracteres chineses: prova cabal de destilação.
Voltemos dois dias. A empresa acabara de compensar uma interrupção de cinco horas, devolvendo créditos no valor total do consumo dos últimos sete dias. A reputação tinha começado a se recuperar um pouco. Por dois dias. Aí o novo modelo foi lançado e, em menos de um dia, a conta foi revirada de novo.
Fui ler o manual daquela ferramenta. A biblioteca de referência tinha dezoito modelos candidatos, todos das famílias GPT e Claude. Nenhuma versão da DeepSeek estava entre eles. E o próprio manual ainda trazia uma frase mais comprometedora: modelos não incluídos também seriam rotulados como um dos candidatos existentes; portanto, o resultado não serve, de forma alguma, para determinar a identidade.
Dezoito casas, nenhuma com o seu nome. Você entra, e ela precisa apontar um parente próximo. É só isso.
Alguém resolveu testar de verdade. Gerou números aleatórios com Python puro, inseriu-os na ferramenta e recebeu como resultado “mais semelhante ao GPT-5.5”. Até números aleatórios têm linhagem?
Outros falaram com base na intuição: disseram que o estilo de programação do novo modelo era igualzinho ao do Astra. Intuição não conta.
Vejamos também como as amostras foram coletadas. As do GPT vieram de uma assinatura do Codex; as do Claude, de um serviço de terceiros. Usando como régua amostras coletadas sob condições diferentes, a distância medida só pode dizer qual modelo da lista está mais próximo. Quanto aos modelos de fora da lista, a ferramenta nunca pretendeu responder quão distantes estão.
Também há evidências no sentido contrário. Em testes reais, o novo modelo chegou a 244 tok/s; algumas solicitações se aproximaram de 300. Qual versão hospedada do Astra já atingiu essa velocidade? Os pesos estão no Hugging Face, sob licença MIT; qualquer pessoa pode baixá-los e testar por conta própria.
Quem já usou serviços intermediários de API provavelmente conhece esse cenário. Você paga pelo produto A, mas recebe o produto B, e nada parece fora do normal na fatura. Provedores de hospedagem, cotações de mercado de balcão, APIs de negociação quantitativa: o mesmo problema. Fora do que é registrado no livro-caixa, só dá para conferir a mercadoria se a outra parte colaborar. Ela diz o que é, e você tem de acreditar. O caminho para verificar simplesmente não está nas suas mãos. Se algo der errado e você for cobrar explicações depois, o mais provável é ouvir apenas: “Verificamos.” Poucos assumem a responsabilidade.
O que pode ser comprovado na blockchain é bem simples: uma assinatura, a altura de um bloco. Quem assinou e quando assinou não podem ser alterados. Mas esse sistema também tem pontos cegos. Pouquíssimas pessoas realmente verificam tudo uma a uma; a maioria só vê as conclusões de quem já fez a verificação. Fazer isso por conta própria tem um custo. É aí que está o problema.
Depois de refletir, acho que o mais importante a guardar desta controvérsia é a escala daquela régua. A ferramenta consegue medir semelhança, mas não linhagem. São coisas diferentes. Se alguém confunde semelhança com linhagem, a culpa é de quem usa a ferramenta, não da ferramenta.
Até o fim da tarde de hoje, a DeepSeek ainda não tinha respondido, e os dados de treinamento nunca foram divulgados item por item. Com essas duas coisas juntas, ninguém consegue dizer com clareza qual é a relação de causa e efeito.
A pontuação é real. A pontuação nos benchmarks subiu, e o preço por tarefa individual caiu de 3,3 para 1,3. Para esses dois dados, há gráficos e tabelas oficiais. Linhagem é outra história. Não dá para medir. É preciso esperar que surja uma infraestrutura de verificação independente; por enquanto, ela ainda não existe.
$TAO $FET $BTC
#DeepSeek #AI模型 #开源 #cripto
Na manhã de 18 de outubro, alguém colocou o novo modelo que a DeepSeek acabara de lançar numa ferramenta chamada ModelTrace. O resultado foi uma linha: similaridade de 84,66 com o GPT-6 Astra. Em meio dia, esse número chegou ao sétimo lugar na lista de assuntos mais comentados do Zhihu; a mesma publicação ficou com 744 pontos na página inicial do Hacker News.
A primeira conclusão nos comentários veio em quatro caracteres chineses: prova cabal de destilação.
Voltemos dois dias. A empresa acabara de compensar uma interrupção de cinco horas, devolvendo créditos no valor total do consumo dos últimos sete dias. A reputação tinha começado a se recuperar um pouco. Por dois dias. Aí o novo modelo foi lançado e, em menos de um dia, a conta foi revirada de novo.
Fui ler o manual daquela ferramenta. A biblioteca de referência tinha dezoito modelos candidatos, todos das famílias GPT e Claude. Nenhuma versão da DeepSeek estava entre eles. E o próprio manual ainda trazia uma frase mais comprometedora: modelos não incluídos também seriam rotulados como um dos candidatos existentes; portanto, o resultado não serve, de forma alguma, para determinar a identidade.
Dezoito casas, nenhuma com o seu nome. Você entra, e ela precisa apontar um parente próximo. É só isso.
Alguém resolveu testar de verdade. Gerou números aleatórios com Python puro, inseriu-os na ferramenta e recebeu como resultado “mais semelhante ao GPT-5.5”. Até números aleatórios têm linhagem?
Outros falaram com base na intuição: disseram que o estilo de programação do novo modelo era igualzinho ao do Astra. Intuição não conta.
Vejamos também como as amostras foram coletadas. As do GPT vieram de uma assinatura do Codex; as do Claude, de um serviço de terceiros. Usando como régua amostras coletadas sob condições diferentes, a distância medida só pode dizer qual modelo da lista está mais próximo. Quanto aos modelos de fora da lista, a ferramenta nunca pretendeu responder quão distantes estão.
Também há evidências no sentido contrário. Em testes reais, o novo modelo chegou a 244 tok/s; algumas solicitações se aproximaram de 300. Qual versão hospedada do Astra já atingiu essa velocidade? Os pesos estão no Hugging Face, sob licença MIT; qualquer pessoa pode baixá-los e testar por conta própria.
Quem já usou serviços intermediários de API provavelmente conhece esse cenário. Você paga pelo produto A, mas recebe o produto B, e nada parece fora do normal na fatura. Provedores de hospedagem, cotações de mercado de balcão, APIs de negociação quantitativa: o mesmo problema. Fora do que é registrado no livro-caixa, só dá para conferir a mercadoria se a outra parte colaborar. Ela diz o que é, e você tem de acreditar. O caminho para verificar simplesmente não está nas suas mãos. Se algo der errado e você for cobrar explicações depois, o mais provável é ouvir apenas: “Verificamos.” Poucos assumem a responsabilidade.
O que pode ser comprovado na blockchain é bem simples: uma assinatura, a altura de um bloco. Quem assinou e quando assinou não podem ser alterados. Mas esse sistema também tem pontos cegos. Pouquíssimas pessoas realmente verificam tudo uma a uma; a maioria só vê as conclusões de quem já fez a verificação. Fazer isso por conta própria tem um custo. É aí que está o problema.
Depois de refletir, acho que o mais importante a guardar desta controvérsia é a escala daquela régua. A ferramenta consegue medir semelhança, mas não linhagem. São coisas diferentes. Se alguém confunde semelhança com linhagem, a culpa é de quem usa a ferramenta, não da ferramenta.
Até o fim da tarde de hoje, a DeepSeek ainda não tinha respondido, e os dados de treinamento nunca foram divulgados item por item. Com essas duas coisas juntas, ninguém consegue dizer com clareza qual é a relação de causa e efeito.
A pontuação é real. A pontuação nos benchmarks subiu, e o preço por tarefa individual caiu de 3,3 para 1,3. Para esses dois dados, há gráficos e tabelas oficiais. Linhagem é outra história. Não dá para medir. É preciso esperar que surja uma infraestrutura de verificação independente; por enquanto, ela ainda não existe.
$TAO $FET $BTC
#DeepSeek #AI模型 #开源 #cripto