DeepSeek, un análisis técnico más allá de las teorías conspirativas

Meses atrás, DeepSeek, la Inteligencia Artificial china, llamó la atención de la comunidad tecnológica con sus modelos de lenguaje y código, que demostraron un rendimiento comparable a los líderes del mercado a un costo significativamente menor. Este informe técnico profundiza en el análisis del éxito de DeepSeek, comparándolo con otros modelos de IA generativa y examinando sus implicaciones para el futuro de la ciberseguridad.

Primer diferencial, su arquitectura y entrenamiento

Si bien DeepSeek se basa en una arquitectura Transformer, similar a la mayoría de los LLM modernos, ha implementado varias optimizaciones clave para mejorar la eficiencia y el rendimiento de sus modelos.

• Optimización de la arquitectura: DeepSeek ha introducido modificaciones en la arquitectura Transformer para reducir la complejidad computacional y mejorar la eficiencia del entrenamiento. Por ejemplo, han utilizado técnicas de cuantificación y poda para reducir el tamaño de los modelos sin sacrificar significativamente el rendimiento.
• Datos de entrenamiento de alta calidad: DeepSeek ha recopilado un conjunto de datos de entrenamiento masivo y diverso, que incluye texto y código de diversas fuentes. Se ha prestado especial atención a la calidad de los datos, utilizando técnicas de filtrado y limpieza para eliminar el ruido y la información irrelevante.
• Entrenamiento distribuido a gran escala: DeepSeek utiliza una infraestructura de computación distribuida de alto rendimiento para entrenar sus modelos a gran escala. Esto les permite escalar sus modelos a tamaños muy grandes, lo que se traduce en un mejor rendimiento.

Segundo diferencial, su rendimiento y capacidades

DeepSeek ha demostrado un rendimiento notable en una variedad de tareas, que incluyen:

• Generación de texto: Los modelos de DeepSeek pueden generar texto coherente y fluido en diversos estilos y formatos. Han obtenido resultados comparables a los de ChatGPT y Bard en evaluaciones de generación de texto.
• Generación de código: DeepSeek ha desarrollado modelos especializados en la generación de código, que pueden producir software en múltiples lenguajes de programación. Estos modelos han obtenido resultados sobresalientes en evaluaciones de generación de código, superando a menudo a otros modelos de las IAs existentes.
• Razonamiento y comprensión: DeepSeek ha demostrado mayores capacidades de razonamiento y comprensión del lenguaje natural. Puede responder preguntas complejas, resumir textos largos y realizar tareas de inferencia lógica.

Comparación con otros modelos de IA Generativa

Para evaluar el rendimiento de DeepSeek en comparación con otros modelos líderes, podemos analizar los resultados de diversas evaluaciones y benchmarks públicos:

• MMLU (Massive Multitask Language Understanding) https://arxiv.org/pdf/2412.19437?utm_source=chatgpt.com: Este benchmark evalúa la capacidad de los modelos para responder preguntas de opción múltiple en una variedad de temas. DeepSeek ha obtenido resultados comparables a los de Llama 2 y GPT-3.5 en este benchmark.
• HumanEval https://textcortex.com/es/post/deepseek-v3-review?utm_source=chatgpt.com: Este benchmark evalúa la capacidad de los modelos para generar código correcto a partir de especificaciones en lenguaje natural. DeepSeek ha obtenido resultados sobresalientes en este benchmark, superando a menudo a otros modelos líderes como Codex y PaLM 2.

Comparativa de características

Implicaciones para la Ciberseguridad

La aparición de DeepSeek, y que sea de origen chino, potencia la preocupación sonbre las implicaciones para la ciberseguridad ya conocidas.

Ataques adversarios: los LLM son susceptibles a ataques adversarios, donde pequeñas perturbaciones en la entrada pueden provocar salidas incorrectas («Adversarial Attacks on Neural Network Policies» – Ian Goodfellow et al., ICLR 2015 – https://arxiv.org/abs/1412.6572

Detección de anomalías: lLas técnicas de aprendizaje profundo, incluidas las basadas en transformadores, se utilizan para detectar anomalías en el tráfico de red y los registros de seguridad («Deep Learning for Anomaly Detection: A Survey» – Varun Chandola et al., ACM Computing Surveys 2009 – https://dl.acm.org/doi/10.1145/1541880.1541882)

Deepfakes y desinformación: los LLM pueden generar texto y código para crear deepfakes y difundir desinformación («DeepFake Detection: A Survey» – Shu Hu et al., ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM) 2021) – https://dl.acm.org/doi/10.1145/3447772)

El mundo mira a DeepSeek

Un indicado de la importancia de la aparición de DeepSeep, más allá de lo tecnológicos, en que El Foro Economico Mundial considera que puede generar disrupciones en el mercado de la IA. (DeepSeek sacude el sector de la IA, y otras noticias sobre tecnología digital https://es.weforum.org/stories/2025/02/deepseek-sacude-el-sector-de-la-ia-y-otras-noticias-sobre-tecnologia-digital/). Algunas de las observaciones del Foro Económico Mundial son las siguientes:

• DeepSeek superó a ChatGPT en popularidad, convirtiéndose en la aplicación gratuita mejor valorada en la App Store de Apple en EE.UU. el 27 de enero.
• El modelo destaca por su eficiencia en tareas como matemáticas y programación, ofreciendo un rendimiento comparable al de otros modelos líderes, pero con costos significativamente menores.
• Se entrenó con menos de 6 millones de dólares en poder de cómputo de Nvidia, lo que establece un nuevo estándar de eficiencia y rentabilidad en el desarrollo de IA.
• Su rápida expansión ha generado controversias. Ha experimentado interrupciones en el servicio y ha sido objeto de reportes de ciberataques.
• Algunos países, como Taiwán y Australia, han prohibido su uso en dispositivos gubernamentales por preocupaciones de seguridad.
• El presidente de los Estados Unidos, Donald Trump, la calificó como una «señal de alerta» para las empresas estadounidenses.
• Sam Altman, CEO de OpenAI, describió el modelo como «impresionante» y dio la bienvenida a la competencia.

Conclusión

DeepSeek ha logrado un éxito notable en el campo de la IA generativa, demostrando un rendimiento comparable a los líderes del mercado a un costo potencialmente menor. Su enfoque en la optimización de la arquitectura, los datos de entrenamiento de alta calidad y el entrenamiento distribuido a gran escala son sus claves.

Leer más

• Nexsys Connect Forum 2025: claves para la adopción de IA en empresas de América Latina
• ChatGPT ahora dibuja y escribe dentro de las imágenes sin errores
• Cisco entregará infraestructura segura de IA con NVIDIA