DeepSeek инициирует прямой вызов Google с планами по мультимодальной поисковой системе на базе искусственного интеллекта (AI)

В мировой сфере искусственного интеллекта происходят значительные изменения: ханчжоуский стартап DeepSeek активно поворачивает своё направление в сторону рынка поисковых систем. Недавние объявления о вакансиях и стратегические шаги показывают, что компания разрабатывает многоязычную (multilingual), мультимодальную (multimodal) поисковую систему на базе AI, способную обрабатывать текст, изображения и аудио. Это развитие знаменует собой прямое нарастание конкуренции с устоявшимися гигантами отрасли, такими как Google и OpenAI.

Инициатива опирается на быстро растущую репутацию DeepSeek в области высокоэффективной тренировки моделей и вкладов в open-source. Ориентируясь на «ориентированный на телефон» (phone-first) опыт поиска, способный обрабатывать сложные входные данные вроде скриншотов и голосовых команд, DeepSeek стремится нарушить традиционную парадигму поиска, основанную на ключевых словах.

Штабная кампания по найму раскрывает амбиции

В январе DeepSeek опубликовал серию вакансий, которые дают ясное представление о дорожной карте продукта. В отличие от предыдущих кампаний по найму, ориентированных на общее исследование больших языковых моделей (large language model, LLM), эти новые роли специально нацелены на инфраструктуру поиска и разработку автономных агентов.

Компания ищет «инженеров по поисковым алгоритмам (Search Algorithm Engineers)» и full-stack разработчиков с опытом работы с постоянными агентами (persistent agents). В описаниях вакансий описывается система, способная функционировать при минимальном человеческом надзоре, что указывает на движение за пределы простых чат-ботов в сторону полностью автономных ассистентов. Ключевые обязанности, перечисленные в материалах по найму, включают:

• Поддержка многоязычных запросов: Построение движка, который изначально может понимать и обрабатывать запросы на десятках языков.
• Мультимодальная интеграция: Разработка конвейеров для обработки не текстовых входных данных, с оптимизацией для мобильных сценариев, где пользователи могут искать с помощью скриншота или голосовой записи.
• Агентная инфраструктура (Agentic Infrastructure): Создание платформ для размещения постоянных агентов, которые могут выполнять задачи на длинном горизонте, например собирать информацию в сети для ответа на сложные вопросы.

Эта кампания по найму согласуется с более широкой стратегией компании по расширению своей полезности за пределы ассистентов по кодированию и интерфейсов чата в прибыльную область извлечения информации — сектор, который в настоящее время доминирует у Alphabet Inc.’s Google.

Технологическая основа: Janus-Pro и DeepSeek-R1

Уверенность DeepSeek в возможности бросить вызов титанам Кремниевой долины проистекает из его недавних прорывов в архитектуре моделей. Две ключевые технологии, по-видимому, формируют основу этой новой поисковой системы: ориентированная на рассуждение DeepSeek-R1 и мультимодальная Janus-Pro.

Хотя DeepSeek-R1 привлёк внимание заголовков за сопоставление с моделями высшего уровня из США при меньших затратах на обучение, Janus-Pro, вероятно, станет движком для визуальных и аудио возможностей поиска. Недавно выпущенный Janus-Pro — это объединённая мультимодальная (multimodal) модель, которая разделяет визуальное кодирование и генерацию. Эта архитектурная инновация позволяет модели «видеть» и «понимать» изображения с высокой точностью, при этом сохраняя способность генерировать текст или изображения в ответ.

Сравнение ключевых архитектур DeepSeek

В бенчмарках, как сообщается, Janus-Pro превзошёл таких конкурентов, как DALL-E 3, по ряду метрик генерации и понимания. Интегрируя эту возможность в поисковую систему, DeepSeek мог бы позволить пользователям загрузить фотографию сломанного прибора и спросить: «Как это починить?» — при этом ИИ идентифицировал бы модель, находил бы руководство и суммировал шаги по ремонту в одном плавном взаимодействии.

За пределами ключевых слов: рост автономных агентов

Включение постоянных агентов в описания вакансий указывает на то, что DeepSeek стремится опередить текущее поколение AI-поиска. Современные инструменты AI-поиска часто выступают в роли суммаризаторов — читают топовые результаты и синтезируют ответ. Видение DeepSeek, по-видимому, предполагает агентов, которые могут перемещаться по сети, выполнять действия и сохранять контекст в течение длительного времени.

«Агентная» поисковая система (agentic) не просто извлекает ссылки; она выполняет задачи. Например, вместо поиска «цены на рейсы» постоянному агенту можно дать указание «отслеживать рейсы в Токио в течение следующего месяца и бронировать, если цена упадёт ниже $800». Эта возможность требует надёжной инфраструктуры для предотвращения «галлюцинаций» (hallucinations) и обеспечения надёжного выполнения, задачу, которую DeepSeek решает путём найма специалистов в области оценочных фреймворков и надёжности обучающих данных.

Дестабилизация рынка за счёт эффективности затрат

Одно из самых грозных преимуществ DeepSeek — его структура затрат. Компания шокировала отрасль, сообщив, что её модель V3 была обучена примерно за $6 миллионов, что резко контрастирует с оценочными ~$100 миллионами, необходимыми для GPT-4 от OpenAI.

Эта эффективность позволяет DeepSeek предлагать свои сервисы по значительно более низким API-стоимостям, агрессивно подсиживая конкурентов. Если эта модель низких затрат будет применена к поиску, это может инициировать ценовую войну на рынке AI-API, делая продвинутые возможности поиска доступными для более широкого круга разработчиков и компаний.

Стратегия «ориентированная на телефон» (phone-first) также эксплуатирует потенциальную слабость Google. Хотя Google доминирует в веб-поиске, переход к AI-нативному, мультимодальному взаимодействию на мобильных устройствах всё ещё находится в начальной стадии. Оптимизировав обслуживание запросов со скриншотов и голосом — естественных способов для мобильных пользователей — DeepSeek пытается захватить следующее поколение поведения при поиске.

Заключение

Шаг DeepSeek в направлении AI-поиска — это не просто эксперимент; это рассчитанное расширение, поддержанное специализированным наймом и проверенными архитектурами моделей, такими как Janus-Pro. Комбинируя высокоэффективные модели рассуждения с продвинутым мультимодальным пониманием, компания создаёт платформу, которая напрямую конкурирует с основными бизнес-моделями Google и OpenAI. По мере созревания этих технологий определение «поиска» должно эволюционировать от списка синих ссылок к динамичному, мультимодальному диалогу с интеллектуальными агентами.