DeepSeek ra mắt V3.2, cạnh tranh GPT-5 và Gemini 3

Startup trí tuệ nhân tạo Trung Quốc - DeepSeek vừa công bố hai mô hình mới nhất của hãng: DeepSeek-V3.2 và DeepSeek-V3.2-Speciale. Công ty khẳng định đây là những mô hình mạnh nhất mà họ từng phát triển, với năng lực tương đương GPT-5 của OpenAI và Gemini-3.0-Pro của Google.

Đáng chú ý, DeepSeek cho biết phiên bản V3.2-Speciale đã đạt “thành tích huy chương vàng” trong bài kiểm tra nội bộ mô phỏng kỳ thi Olympic Toán học quốc tế (IMO), theo Kr Asia.

DeepSeek công bố tiếp tục mở rộng chiến lược bằng cách tạo ra hiệu suất cạnh tranh nhưng giảm đáng kể mức tiêu thụ tính toán nhờ tối ưu kiến trúc. Mô hình V3.2 tích hợp cơ chế DeepSeek Sparse Attention (DSA) – một cơ chế chú ý độc quyền nhằm giảm tải xử lý khi làm việc với tài liệu dài và nhiệm vụ phức tạp. DSA phát triển từ kiến trúc V3.1-Terminus và đã được thử nghiệm thông qua phiên bản thử nghiệm DeepSeek-V3.2-Exp ra mắt hồi tháng 9.

TỐI ƯU SỨC MẠNH TÍNH TOÁN

Theo cơ chế truyền thống, attention của AI, công nghệ cho phép mô hình hiểu ngữ cảnh, sẽ tăng chi phí tính toán theo cấp số nhân khi độ dài đầu vào tăng. Xử lý một văn bản dài gấp đôi thường cần lượng tính toán gấp bốn lần. DeepSeek cho biết cơ chế DSA giải quyết triệt để điểm nghẽn này nhờ “bộ lập chỉ mục lightning indexer”, cho phép xác định vùng ngữ cảnh liên quan nhất và bỏ qua phần còn lại.

Theo báo cáo kỹ thuật, DSA giúp giảm khoảng một nửa chi phí suy luận với tác vụ chuỗi dài. Kiến trúc này “giảm đáng kể độ phức tạp tính toán nhưng vẫn giữ chất lượng mô hình”, DeepSeek cho biết, đồng thời ước tính mức giảm chi phí suy luận tổng thể đạt khoảng 70%.

Tính toán hiệu quả đã trở thành dấu ấn trong các sản phẩm DeepSeek gần đây. Mô hình V3 ra mắt tháng 1 sử dụng kiến trúc mixture-of-experts, chỉ kích hoạt một phần tham số cho mỗi token. Thay vì định vị V3 là bước đệm cho mô hình lớn hơn, công ty nhấn mạnh rằng việc định tuyến thông minh có thể duy trì sức mạnh mà vẫn giảm áp lực vận hành.

Ngay sau đó là R1 – mô hình dùng huấn luyện tăng cường để nâng cao khả năng suy luận và lập trình. Các công bố cho thấy R1 chạy trên GPU Nvidia H800 cũ hơn và được huấn luyện với chi phí thấp hơn đáng kể so với nhiều mô hình cùng thời. Khả năng suy luận rẻ và giấy phép mở linh hoạt giúp R1 được nhiều doanh nghiệp lựa chọn, đồng thời góp phần đẩy mạnh làn sóng AI mã nguồn mở, cùng với mô hình Qwen của Alibaba và Hunyuan của Tencent.

DeepSeek-V3.2 và V3.2-Speciale tiếp tục tập trung và nhiệm vụ suy luận và workflow agent trong khi duy trì mức vận hành nhẹ, ít tốn tài nguyên.

ÁP LỰC CHI PHÍ VÀ NĂNG LƯỢNG

DeepSeek thu hút nhiều sự chú ý một phần vì kinh tế triển khai AI vẫn còn là thách thức. Dù doanh nghiệp đổ hàng tỷ USD vào trung tâm dữ liệu và phần cứng, chi phí suy luận vẫn chưa giảm đủ nhanh để cải thiện biên lợi nhuận. Ngay cả OpenAI, công ty tạo ra bước ngoặt với ChatGPT, sau ba năm vẫn chưa có lãi. Trong khi đó, kích thước mô hình ngày càng lớn, khiến chi phí vận hành vẫn rất cao.

Những áp lực này từng thúc đẩy doanh nghiệp sớm đón nhận mô hình R1. Các công ty tích hợp R1 thường nhấn mạnh chi phí suy luận thấp là yếu tố then chốt, đặc biệt trong ngành mà độ trễ và chi phí tác động trực tiếp đến trải nghiệm người dùng và biên lợi nhuận sản phẩm.

Tiêu thụ năng lượng cũng là một rào cản. Ở nhiều khu vực, sự mở rộng của trung tâm dữ liệu làm dấy lên lo ngại về nguồn điện và tác động môi trường. Vì suy luận chiếm tỷ trọng lớn trong tổng năng lượng AI, một số mô hình hiệu quả có thể giảm đáng kể chi phí và gánh nặng hạ tầng. Cách tiếp cận kỹ thuật của DeepSeek hướng trực tiếp vào bài toán này, nỗ lực mở rộng khả năng suy luận mà không cần đầu tư hạ tầng quy mô khổng lồ.

Tuy nhiên, chiến lược “tập trung hiệu suất” của DeepSeek cũng đi kèm giới hạn khi doanh nghiệp so sánh với mô hình của OpenAI hay Google. Một trong những hạn chế đó là DeepSeek đạt điểm mạnh ở suy luận và tác vụ có cấu trúc, nhưng lại không có sự đa nhiệm đa phương thức hoặc khả năng vận hành end-to-end của hệ thống lớn.

Ở tình huống cần xử lý audio, hình ảnh, video hoặc tool use, nhiều lựa chọn khác vẫn nổi trội hơn. Ví dụ, Kling AI của Kuaishou đang gây chú ý lớn trong mảng tạo video. Trong khi đó, Janus, dòng mô hình đa phương thức của DeepSeek ra mắt năm ngoái, không tạo được sức ảnh hưởng quốc tế tương tự. Mô hình DeepSeek-OCR công bố hồi tháng 10 chủ yếu tập trung tối ưu ngữ cảnh dài bằng kỹ thuật ánh xạ quang học 2D.

GIỚI HẠN TRUY CẬP

DeepSeek-V3.2 hiện có mặt trên ứng dụng web, app di động và API. Trong khi đó, V3.2-Speciale, phiên bản được khẳng định là mạnh nhất, mới chỉ có qua API và công ty chưa thông báo liệu có mở trên kênh khác hay không.

Tính đến tháng 10, ứng dụng di động DeepSeek có khoảng 72 triệu người dùng hoạt động trên toàn cầu, theo dữ liệu từ Aicpb.

Hai mô hình mới cho thấy DeepSeek đang tiếp tục đóng vai “kẻ thách thức” bằng cách theo đuổi con đường tối ưu hóa năng lực – chi phí, thay vì chạy đua kích thước mô hình. Trong bối cảnh ngành AI chịu sức ép về chi phí, năng lượng và hạ tầng, chiến lược này có thể giúp DeepSeek giữ lợi thế khác biệt so với các ông lớn.