Kitajski DeepSeek predstavil novo arhitekturo za stroškovno učinkovito urjenje modelov umetne inteligence

Kitajsko zagonsko podjetje DeepSeek je na začetku leta 2026 objavilo strokovni članek, v katerem predlaga korenito spremembo arhitekture za urjenje temeljnih modelov umetne inteligence. Nova metoda, imenovana mHC (angl. Manifold-Constrained Hyper-Connections), je usmerjena v zmanjšanje porabe energije in stroškov, kar podjetju iz Hangzhouja omogoča večjo konkurenčnost v primerjavi z ameriškimi tekmeci, ki imajo dostop do znatno večjih računalniških zmogljivosti. Raziskava, pod katero se je podpisal tudi ustanovitelj podjetja Liang Wenfeng, poudarja reševanje izzivov kompleksnosti in potratnosti virov pri razvoju obsežnih jezikovnih modelov. Istočasno analitiki napovedujejo šest ključnih premikov v podatkovni infrastrukturi, ki bodo zaznamovali leto 2026. Medtem ko so desetletja prevladovale relacijske baze podatkov, se v dobi agentne umetne inteligence infrastruktura hitreje razvija proti vektorskim sistemom in kontekstualnemu spominu. Tradicionalna arhitektura RAG (Retrieval-Augmented Generation), ki je bila v letu 2025 deležna številnih kritik zaradi omejenosti na posamične vire podatkov, se preoblikuje v naprednejše sisteme, ki podpirajo dinamično odločanje podjetij v realnem času. Podatki postajajo ključni element, ki določa uspešnost podjetij na področju umetne inteligence.

Kitajsko zagonsko podjetje DeepSeek je na začetku leta 2026 predstavilo novo tehnično dokumentacijo, ki uvaja metodo Manifold-Constrained Hyper-Connections (mHC). Ta arhitekturni premik je zasnovan za povečanje stroškovne učinkovitosti pri urjenju velikih modelov umetne inteligence, s čimer želi podjetje ostati konkurenčno ameriškim tekmecem, ki imajo dostop do večjih računskih zmogljivosti. Metoda mHC predstavlja poskus optimizacije procesov, ki bi omogočili razvoj zmogljivejših sistemov z manj finančnimi sredstvi. Istočasno je podjetje Notion AI razkrilo uspeh svoje tretje generacije programske opreme, ki temelji na poenostavitvi umetne inteligence. Namesto kompleksnih kodnih shem in obsežnega programiranja so se usmerili k preprostim pozivom in uporabniku prijaznim formatom, kar je privedlo do znatnega izboljšanja zmogljivosti njihovih prilagodljivih AI agentov. Ta pristop dokazuje, da lahko zmanjšanje abstrakcije v programskem inženiringu vodi do hitrejšega sprejetja tehnologije med končnimi uporabniki. Na področju obrambe pa so letalske sile Združenih držav Amerike objavile nove načrte za razvoj sodelovalnih bojnih letal (CCA). Generalmajor Joseph Kunkel je pojasnil, da bodo te platforme delovale kot večnamenski sistemi, sposobni izvajati različne misije za ohranjanje zračne premoči. Namesto ozko specializiranih naprav se vojska usmerja k fleksibilnim in prilagodljivim rešitvam, ki bodo odgovarjale na razvijajoče se grožnje v prihodnjih spopadih.

Zencoder, podjetje iz Silicijeve doline, je predstavilo Zenflow, brezplačno aplikacijo za orkestracijo umetne inteligence, ki naj bi spremenila interakcijo med programerji in umetno inteligenco. Zoom trdi, da je dosegel najvišji rezultat na zahtevnem testu za umetno inteligenco, čeprav so se pojavili dvomi o avtentičnosti. Japonsko podjetje Integral AI pa poroča o napredku pri modelu splošne umetne inteligence, ki se uči novih veščin brez človeške pomoči.