Probé DeepSeek, la alternativa gratuita de código abierto a ChatGPT, y quedé impresionado.

OpenAI ChatGPT ha dominado la conversación sobre chatbots de IA desde su debut en 2022. Sin embargo, si sigues el mundo de la IA, te habrás encontrado con el nombre búsqueda profunda lanzado en las últimas semanas. El modelo chino de lenguaje grande pretende intercambiar golpes con ChatGPT por su velocidad, precisión y, lo más importante, su naturaleza de código abierto. Pero lo realmente sorprendente es la eficiencia del entrenamiento de R1. Confiar en el aprendizaje por refuerzo puro versus GPT-4Tras el ajuste supervisado, todo el modelo costó sólo 12 millones de dólares en entrenamiento, frente a los 500 millones de dólares necesarios para el próximo GPT-5.

Por supuesto, nada de eso realmente le importa al consumidor last. Lo que importa es si es bueno para el propósito previsto. Pasé los últimos días probando Deepseek R1 como parte de mi flujo de trabajo: ideando, codificando, realizando tareas como revisiones gramaticales y más. ¿Mi comida para llevar? OpenAI debe estar seriamente preocupado.

El mayor diferenciador de Deepseek es su línea de pensamiento humana. A diferencia de ChatGPT, que presenta solo el resultado last de su consulta, Deepseek R1 le muestra cómo llega a la respuesta. Ese monólogo interno notablemente humano es la forma en que el LLM puede presentar respuestas que coincidan con el proceso de pensamiento humano.

En lugar de ejecutar pruebas comparativas o formas tradicionales de medir el rendimiento de un LLM, decidí poner Deepseek R1 en mi rutina diaria.

Como periodista, me opongo vehementemente a la escritura basada en inteligencia synthetic. Sin embargo, la herramienta puede ser una valiosa adición a su arsenal para generar concepts, concepts sobre temas de conversación y señalar lagunas. Para realizar las pruebas, les pedí a Deepseek y ChatGPT que elaboraran un esquema para un artículo que comparara dos modelos LLM diferentes. Mi consulta exacta fue: “Estoy escribiendo un artículo que compara 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. Si bien los dos modelos abordaron los mismos consejos esenciales, Deepseek fue un paso más allá y lo dividió en una estructura que period notablemente related a la forma en que yo abordaría el tema. Además, incluía puntos muy relevantes como consideraciones éticas de parcialidad, equidad y transparencia que ChatGPT omitió por completo.

Deepseek incluye el proceso de pensamiento lógico por el que pasó hasta llegar a la solución y, créanme, la primera vez que vi esto, quedé impresionado. Puede que estemos muy lejos de la inteligencia synthetic basic, pero ver a una computadora pensar así muestra lo lejos que 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 compara dos modelos de LLM desde la perspectiva de un usuario cotidiano. Comencemos por desglosar lo que piden. Quieren temas de conversación que le interesen a un usuario promedio, no demasiado técnicos.

En primer lugar, la introducción debería preparar el escenario. Tal vez explique qué son los LLM en términos simples y por qué compararlos es importante para los usuarios habituales. Luego, las secciones principales. La experiencia del usuario probablemente sea importante. Eso podría incluir la facilidad de acceso a cada modelo, por ejemplo, ¿son gratuitos, de pago o freemium? Además, el diseño de la interfaz. ¿Tienen una aplicación o un sitio net fácil de usar? Quizás examine los procesos de registro “.

A continuación, lo puse en una tarea de codificación. Es posible que los LLM como ChatGPT y Claude aún no sean capaces de realizar una codificación completa, pero pueden ser herramientas útiles para aprender a codificar. Para esta tarea, les di a Deepseek y ChatGPT el mismo mensaje: “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 utilizaba y cómo ejecutar el juego. Mientras tanto, Deepseek me explicó todo su proceso de pensamiento sobre qué componentes se necesitaban para crear el juego; por ejemplo, una pantalla de tablero de juego, manejo de clics del usuario, alternancia de turnos entre X y O, y más.

A continuación, desglosó la estructura HTML para dibujar elementos de la interfaz y la lógica de Python para el juego. También validó sus elecciones y realizó consideraciones de estilo como centrar el texto. Luego detalló no sólo 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 tiene comparación.

Muy bien, volvamos a las tareas de escritura. Para este, quería probar la funcionalidad de búsqueda net integrada en ambos LLM. Entonces, les pedí a Deepseek y ChatGPT que escribieran una reseña del OnePlus 13. Elegí este teléfono específico porque ya había pasado la fecha de actualización de conocimientos de ambos LLM y, bueno, tenía el teléfono en la mano para validar el resultado. Si bien ninguno de los LLM aceptará mi trabajo en el corto plazo, este es otro ejemplo en el que la producción de Deepseek estuvo a pasos agigantados por delante de ChatGPT.

Cuando ChatGPT presentó una estructura de revisión, simplemente se centró en las especificaciones sin agregar muchas explicaciones y sin contexto alguno. Deepseek, por otro lado, hizo 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 revisiones existentes, fueron precisas y bien ubicadas.

Después de sólo un par de días de uso, estoy convencido de que Deepseek es una excelente alternativa a ChatGPT por más de una razón. Claro, en mis pruebas, Deepseek ganó consistentemente en términos de calidad del resultado, tanto en términos de contexto y comprensión, como 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 basic gratuito para los clientes finales en este momento, en comparación con los bastante caros 20 dólares al mes que cuesta ChatGPT cargos por sus modelos de gama alta. Esa es una gran ventaja. Además, la naturaleza de código abierto de Deepseek significa que puedes ejecutarlo localmente en tu propia computadora usando aplicaciones como Ollamaevitando por completo todos los costos y preocupaciones de privacidad. 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 a API significativamente más baratos.

Dicho todo esto, es temprano para Deepseek específicamente y para los modelos LLM en basic. De hecho, la llegada de un nuevo modelo que pueda competir con los mejores y más financiados del sector cube mucho sobre el estado incipiente de la industria. La ingeniería inteligente a menudo puede eludir la fuerza computacional bruta, y Deepseek apunta hacia ese caso. ¿Cuál es mejor para ti? Recomiendo probar ambos y elegir el que mejor se adapte a sus necesidades. ¿A mí? Creo que usaré Deepseek por un tiempo más hasta que salga la mejor opción.