Intenté Deepseek, la alternativa de chatgpt de código abierto gratuito, y estoy impresionado

El chatgpt de OpenAI ha dominado la conversación de chatbot de IA desde su debut en 2022. Sin embargo, si sigues el mundo de la IA, te habrías encontrado con el nombre de Deepseek en las últimas semanas. El modelo de lenguaje grande chino afirma intercambiar golpes con ChatGPT por su velocidad, precisión y, lo más importante, naturaleza de código abierto. Pero lo que es realmente sorprendente es la eficiencia de entrenamiento de R1. Confiando en el aprendizaje de refuerzo puro versus el ajuste supervisado de GPT-4, todo el modelo costó solo $ 12 millones en capacitación versus los $ 500 millones requeridos para el próximo GPT-5.

Por supuesto, nada de eso realmente importa para el consumidor final. Lo que importa es si es bueno en su propósito previsto. He pasado los últimos días probando Deepseek R1 como parte de mi flujo de trabajo: idear, codificar, realizar tareas como cheques de gramática y más. ¿Mi comida para llevar? Operai necesita estar seriamente preocupado.

El mayor diferenciador de Deepseek es su tren de pensamiento humano. A diferencia de ChatGPT, que presenta solo la salida final de su consulta, Deepseek R1 le muestra cómo está llegando a la respuesta. Ese monólogo interno notablemente humano es cómo el LLM puede presentar respuestas que coincidan con el proceso de pensamiento humano.

En lugar de ejecutar puntos de referencia, o formas tradicionales de medir el rendimiento de un LLM, decidí poner Deepseek R1 a través de mi rutina diaria.

Como periodista, me opongo vehementemente a la escritura basada en AI. Sin embargo, la herramienta puede ser una adición valiosa a su arsenal para hacer una lluvia de ideas, idear puntos de conversación y señalar lagunas. En aras de las pruebas, les pedí a Deepseek y ChatGPT que elaboren un esquema para un artículo que compara dos modelos LLM diferentes. Mi consulta exacta era: “Estoy escribiendo un artículo que compare dos modelos LLM diferentes desde la perspectiva de un usuario cotidiano. ¿Qué puntos de conversación debo incluir? Ayúdame a elaborar un esquema “.

Los resultados fueron asombrosos. Mientras que los dos modelos mencionaron los mismos punteros esenciales, Deepseek dio un paso más y lo rompió en una estructura que era notablemente similar a cómo abordaría el tema. Además, incluyó puntos muy relevantes como consideraciones éticas para el sesgo, la justicia y la transparencia que chatgpt se saltó por completo.

Deepseek incluye el proceso de pensamiento lógico que pasó al llegar a la solución, y confía en mí, la primera vez que vi esto, me quedé impresionado. Podríamos estar lejos de la inteligencia general artificial, pero ver una computadora pensar como esta muestra cuán lejos hemos llegado. El diálogo interno es lo suficientemente interesante como para incluir una breve transcripción a continuación.

“Bien, necesito ayudar a alguien a crear un esquema para un artículo que compare dos modelos LLM desde la perspectiva de un usuario cotidiano. Comencemos por desglosar lo que están pidiendo. Quieren puntos de conversación que a un usuario promedio le importen, no demasiado técnico.

Primero, la introducción debería preparar el escenario. Tal vez explique qué están en términos simples y por qué compararlos es importante para los usuarios regulares. Luego, las secciones principales. La experiencia del usuario es probablemente grande. Eso podría incluir lo fácil que es cada modelo acceder, ¿como son gratuitos, pagados o freemium? Además, el diseño de la interfaz. ¿Tienen una aplicación o sitio web fácil de usar? Tal vez compare los procesos de registro “.

A continuación, lo puse en una tarea de codificación. Los LLM como ChatGPT y Claude pueden no ser capaces de codificación completa todavía, pero pueden ser herramientas útiles para aprender a codificar. Para esta tarea, le di a Deepseek y Chatgpt el mismo aviso: “Soy nuevo en la programación. Ayúdame a escribir un juego de Tic Tac Toe. Debería ejecutarse en Pyscript “. Una vez más, la diferencia en la producción fue marcada.

ChatGPT me presentó una solución de código, un breve desglose de los idiomas que usó y cómo ejecutar el juego. Mientras tanto, Deepseek me corrió a través de todo su proceso de pensamiento de qué componentes se necesitaban para crear el juego, por ejemplo, una pantalla de tablero de juego, manejando los clics de los usuarios, giros alternativos entre X y O, y más.

A continuación, rompió la estructura HTML para los elementos de la interfaz de dibujo y la lógica de Python para el juego. También validó sus opciones e hizo consideraciones de estilo como centrar el texto. Luego detalló no solo las características del juego, sino también cómo ejecutarlo y cómo modificarlo aún más. Esta es información invaluable para alguien nuevo en la codificación, y la respuesta de ChatGPT simplemente no se compara.

Muy bien, de vuelta a las tareas de escritura. Para este, quería probar la funcionalidad de búsqueda web incorporada en ambos LLM. Entonces, les pedí a Deepseek y ChatGPT que escribieran una revisión del OnePlus 13. Elegí este teléfono específico porque había pasado la fecha de actualización de conocimiento de ambos LLM y, bueno, tenía el teléfono en la mano para validar la salida. Si bien ninguno de los LLM tomará mi trabajo en el corto plazo, este es otro ejemplo en el que la producción de Deepseek fue a saltos y límites antes de Chatgpt.

Cuando ChatGPT presentó una estructura de revisión, simplemente se centró en las especificaciones sin agregar mucha explicación y sin contexto. Deepseek, por otro lado, provocó comparaciones con la competencia e incluso destacó áreas donde faltaba el OnePlus 13. Como alguien que tiene el teléfono en la mano, las observaciones de Deepseek, obviamente extraídas de las críticas existentes, fueron precisas y bien ubicadas.

Después de solo un par de días de uso, estoy convencido de que Deepseek es una excelente alternativa a ChatGPT por más razones que una. Claro, en mis pruebas, Deepseek ganó constantemente en términos de la calidad de la producción, tanto en términos de contexto como de comprensión, pero también en la explicación de su razonamiento. Sin embargo, con un poco de ajuste, ChatGPT también puede dar resultados similares. Dicho esto, Deepseek también tiene otras cosas en su camino.

Por un lado, el uso de Deepseek es en general gratis para los clientes finales en este momento, en comparación con los $ 20 bastante caros al mes que ChatGPT cobra por sus modelos de gama alta. Esa es una gran ventaja. Además, la naturaleza de código abierto de Deepseek significa que puede ejecutarlo localmente en su propia computadora utilizando aplicaciones como Ollama, evitando todos los costos y preocupaciones de privacidad por completo. Eso simplemente no es posible con ChatGPT. Si es un desarrollador ávido que busca integrar LLM en sus aplicaciones, Deepseek ofrece otro beneficio: costos de acceso de API significativamente más barato.

Dicho todo esto, son los primeros días para Deepseek específicamente y para los modelos LLM en general. De hecho, el advenimiento de un nuevo modelo que puede competir con los mejores y más financiados en el negocio dice mucho sobre el naciente estado de la industria. La ingeniería inteligente a menudo puede evitar la fuerza computacional bruta, y Deepseek apunta hacia tal instancia. ¿Cuál es mejor para ti? Recomiendo probar ambos y elegir el más adecuado para sus necesidades. ¿A mí? Creo que usaré Deepseek por un tiempo más hasta que salga la siguiente mejor opción.