{"id":7497,"date":"2025-01-23T08:44:14","date_gmt":"2025-01-23T08:44:14","guid":{"rendered":"https:\/\/howtogeek.blog\/it\/?p=7497"},"modified":"2025-01-23T08:44:14","modified_gmt":"2025-01-23T08:44:14","slug":"deepseek-launches-opensource-reasoning-model-deepseekr1-to-compete-with-openais-o1","status":"publish","type":"post","link":"https:\/\/howtogeek.blog\/it\/deepseek-launches-opensource-reasoning-model-deepseekr1-to-compete-with-openais-o1\/","title":{"rendered":"DeepSeek lancia il modello di ragionamento open source DeepSeek-R1 per competere con o1 di OpenAI"},"content":{"rendered":"<h2>DeepSeek presenta DeepSeek-R1: una nuova era per l&#8217;intelligenza artificiale open source<\/h2>\n<p>In un progresso rivoluzionario nell&#8217;intelligenza artificiale, DeepSeek, un laboratorio di intelligenza artificiale leader con sede in Cina, ha introdotto i suoi ultimi modelli di ragionamento open source: <strong>DeepSeek-R1<\/strong> e <strong>DeepSeek-R1 Zero<\/strong> . Questi modelli innovativi sono progettati per democratizzare l&#8217;accesso a capacit\u00e0 di ragionamento di alto livello, fornendo al contempo prestazioni competitive che sfidano i benchmark esistenti nel settore.<\/p>\n<p>DeepSeek sostiene che <strong>DeepSeek-R1<\/strong> \u00e8 uguale <strong>a o1 di OpenAI<\/strong> in termini di prestazioni, il che \u00e8 un&#8217;affermazione audace nel panorama dell&#8217;IA sempre pi\u00f9 competitivo. \u00c8 costruito sulle fondamenta del precedente <strong>DeepSeek V3<\/strong> , mostrando un netto miglioramento in vari scenari di ragionamento.<\/p>\n<h2>Confronto delle prestazioni: DeepSeek-R1 vs. o1 di OpenAI<\/h2>\n<p>DeepSeek ha condotto un&#8217;ampia analisi comparativa, rivelando che R1 non solo ha prestazioni pari a o1, ma eccelle in determinate aree:<\/p>\n<ul>\n<li>Ha ottenuto un impressionante punteggio <strong>del 79,8%<\/strong> all&#8217;American Invitational Mathematics Examination (AIME) del 2024, superando <strong>il 79,2%<\/strong> di o1 .<\/li>\n<li>Ha raggiunto un notevole tasso di successo <strong>del 97,3%<\/strong> nel test MATH-500, superando il <strong>96,4%<\/strong> di o1 .<\/li>\n<li>Ha ottenuto un <strong>punteggio Codeforces di 2.029<\/strong> , superando il 96,3% dei programmatori umani e un punteggio leggermente superiore di o1, pari al 96,6%.<\/li>\n<\/ul>\n<p>Nelle valutazioni di cultura generale, R1 ha ottenuto <strong>il 90,8%<\/strong> nel benchmark Massive Multitask Language Understanding (MMLU), seguendo da vicino o1, che ha ottenuto <strong>il 91,8%<\/strong> . Questi risultati impressionanti mettono in mostra le capacit\u00e0 di ragionamento avanzate di R1, che possono competere bene con modelli proprietari consolidati.<\/p>\n<h2>Accesso aperto e usabilit\u00e0<\/h2>\n<p>Ci\u00f2 che \u00e8 particolarmente degno di nota \u00e8 che <strong>DeepSeek-R1<\/strong> \u00e8 disponibile su <a href=\"https:\/\/huggingface.co\/models\" rel=\"noopener noreferrer nofollow\" target=\"_blank\">HuggingFace<\/a> con una licenza MIT, consentendone l&#8217;uso gratuito, anche per applicazioni commerciali. Inoltre, R1 pu\u00f2 eseguire l&#8217;auto-verifica dei fatti, affrontando una delle carenze pi\u00f9 significative nei modelli di IA non ragionanti, migliorandone in definitiva l&#8217;affidabilit\u00e0 in varie applicazioni.<\/p>\n<p><strong>DeepSeek-R1<\/strong> \u00e8 un modello pesante, che vanta <strong>671 miliardi di parametri<\/strong> , una scala che ne migliora significativamente le capacit\u00e0 di risoluzione dei problemi. Per gli utenti con hardware meno esigenti, DeepSeek ha rilasciato versioni &#8220;distillate&#8221; di R1, disponibili in dimensioni che vanno da <strong>1,5 miliardi a 70 miliardi di parametri<\/strong> , rendendole utilizzabili su laptop standard. <strong>DeepSeek-R1<\/strong> \u00e8 accessibile anche tramite l&#8217;API di DeepSeek, offrendo un vantaggio di prezzo dal 90% al 95% inferiore rispetto a o1 di OpenAI, rendendolo un&#8217;opzione interessante per gli sviluppatori.<\/p>\n<h2>Innovazione attraverso l&#8217;apprendimento rinforzato<\/h2>\n<p>Una distinzione fondamentale per <strong>DeepSeek-R1<\/strong> risiede nella sua applicazione dell&#8217;apprendimento <strong>per rinforzo<\/strong> in combinazione con la messa a punto supervisionata, differenziandolo da modelli come o1 che si basano sulla catena di pensiero. Questa innovazione non solo porta a un rapporto costo-efficacia, ma migliora anche l&#8217;efficienza del modello.<\/p>\n<h2>Sfide e limitazioni normative<\/h2>\n<p>Tuttavia, <strong>DeepSeek-R1<\/strong> si scontra con alcuni ostacoli normativi, dato che \u00e8 sviluppato in Cina. Il modello aderisce ai quadri normativi imposti dalle autorit\u00e0 cinesi di Internet, garantendo la conformit\u00e0 con i &#8220;valori socialisti fondamentali&#8221;. Ci\u00f2 ha implicazioni sulla gamma di argomenti trattati, poich\u00e9 R1 evita deliberatamente aree come Piazza Tienanmen e l&#8217;autonomia di Taiwan nelle sue risposte.<\/p>\n<h2>Colmare il divario verso l&#8217;AGI<\/h2>\n<p>Nonostante queste limitazioni, il rilascio di <strong>DeepSeek-R1<\/strong> compie passi avanti verso la chiusura del divario tra modelli open source e closed-source nella ricerca dell&#8217;Intelligenza Artificiale Generale (AGI). Rappresenta pi\u00f9 di un semplice risultato tecnico; mette in mostra il vasto potenziale dell&#8217;IA open source in un&#8217;arena spesso dominata da sistemi proprietari. Unendo alte prestazioni a opzioni di distribuzione accessibili, DeepSeek consente a sviluppatori e ricercatori in tutto il mondo di partecipare all&#8217;evoluzione dell&#8217;IA.<\/p>\n<p>Mentre la corsa all&#8217;AGI si intensifica, <strong>DeepSeek-R1<\/strong> funge da potente promemoria del fatto che apertura e collaborazione saranno fondamentali nel plasmare il futuro della tecnologia.<\/p>\n<h2>Domande frequenti<\/h2>\n<h3><strong>1. Cosa differenzia DeepSeek-R1 da o1 di OpenAI?<\/strong><\/h3>\n<p>DeepSeek-R1 utilizza l&#8217;apprendimento di rinforzo combinato con la messa a punto supervisionata, a differenza di o1 di OpenAI, che si basa su processi di catena di pensiero. Ci\u00f2 porta a una riduzione dei costi operativi del 90-95% mantenendo prestazioni competitive.<\/p>\n<h3><strong>2. Esistono restrizioni all&#8217;utilizzo di DeepSeek-R1 per scopi commerciali?<\/strong><\/h3>\n<p>No, DeepSeek-R1 \u00e8 disponibile con licenza MIT, consentendo agli utenti di utilizzare il modello gratuitamente, anche in applicazioni commerciali. Ci\u00f2 apre un&#8217;ampia gamma di possibilit\u00e0 per aziende e sviluppatori.<\/p>\n<h3><strong>3. Quali sono i limiti del modello DeepSeek-R1?<\/strong><\/h3>\n<p>Sebbene DeepSeek-R1 vanti capacit\u00e0 impressionanti, \u00e8 soggetto alle normative cinesi su Internet, che potrebbero limitare le sue risposte su argomenti sensibili, come Piazza Tienanmen o l&#8217;autonomia di Taiwan. Ci\u00f2 potrebbe limitare la sua applicabilit\u00e0 in determinati contesti.<\/p>\n<p><a class=\"xiaomi\" href=\"https:\/\/allthings.how\/deepseek-releases-open-source-reasoning-model-deepseek-r1-to-rival-openais-o1\/\" rel=\"noopener noreferrer nofollow\" target=\"_blank\">Fonte e immagini<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>DeepSeek presenta DeepSeek-R1: una nuova era per l&#8217;intelligenza artificiale open source In un progresso rivoluzionario nell&#8217;intelligenza artificiale, DeepSeek, un laboratorio di intelligenza artificiale leader con sede in Cina, ha introdotto i suoi ultimi modelli di ragionamento open source: DeepSeek-R1 e DeepSeek-R1 Zero . Questi modelli innovativi sono progettati per democratizzare l&#8217;accesso a capacit\u00e0 di ragionamento [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[182,130],"class_list":["post-7497","post","type-post","status-publish","format-standard","hentry","category-how-to","tag-artificial-intelligence","tag-microsoft"],"acf":[],"_links":{"self":[{"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/posts\/7497","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/comments?post=7497"}],"version-history":[{"count":1,"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/posts\/7497\/revisions"}],"predecessor-version":[{"id":7498,"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/posts\/7497\/revisions\/7498"}],"wp:attachment":[{"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/media?parent=7497"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/categories?post=7497"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/howtogeek.blog\/it\/wp-json\/wp\/v2\/tags?post=7497"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}