DeepSeek и китайские ИИ-модели обошли алгоритмы из США в пять раз

Китайские большие языковые модели удерживают мировое лидерство по количеству использований десять недель подряд. Согласно статистике аналитической платформы OpenRouter, с 29 июня по 5 июля глобальный объем запросов к нейросетям составил 46,7 триллиона токенов. Токен представляет собой базовую единицу данных, которую обрабатывает алгоритм искусственного интеллекта, что примерно равно одному слову или его части. На долю китайских разработок пришлось 23,45 триллиона обработанных текстовых фрагментов, что демонстрирует рост на 15 процентов за прошедший месяц. Американские аналоги за этот же период обработали 4,28 триллиона единиц данных.

Первые шесть строчек в глобальном рейтинге самых востребованных систем генерации текста заняли продукты из КНР. Нейросеть DeepSeek-V4-Flash остается на первой позиции семь недель кряду с результатом 5,34 триллиона обработанных токенов. Второе место занимает алгоритм Xiaomi MiMo-V2.5, а третье уверенно удерживает проект MiniMax M3. Четвертая позиция досталась Tencent Hy3 Preview. В пятерку лидеров мирового рынка также вошла система Zhipu GLM-5.2. Эта нейросеть имеет открытый исходный код, то есть ее архитектура полностью доступна независимым программистам для бесплатного использования и доработки. Программа специализируется на написании программного кода и способна автономно выполнять сложные вычислительные задачи.

Ранее занимавшая высокое место анонимная тестовая система Owl Alpha была удалена из статистики платформы. Разработчик Meituan подтвердил, что под этим названием скрывалась ранняя версия их новой базовой архитектуры LongCat-2.0. Данная программа включает более триллиона параметров и стала первой в Китае нейросетью, полностью обученной на вычислительном кластере из 50 тысяч графических микрочипов исключительно отечественного производства. Текущие объективные показатели подтверждают устойчивое закрепление китайских больших языковых моделей в статусе самого востребованного инструмента на мировом рынке машинного обучения.

Источник: CNMO