En un caso concreto, la inclusión de texto irrelevante antes de un mismo fragmento de código informático afectó a la capacidad de DeepSeek para seleccionar la respuesta correcta.

Una nueva investigación ha revelado un posible fallo en la tecnología de ahorro de memoria que sustenta los modelos de DeepSeek. Este hallazgo plantea un desafío inusual para un avance tecnológico que ha permitido al laboratorio chino de inteligencia artificial acortar distancias con sus rivales estadounidenses, OpenAI y Anthropic, gracias a su enfoque de bajo coste.

Los resultados se publicaron a finales del mes pasado en un artículo dirigido por investigadores de ByteDance, en colaboración con autores afiliados a la Universidad de Princeton, la Universidad de Stanford y la Universidad de California, Berkeley.

El estudio, que aún no ha sido sometido a revisión por pares, señala que los esfuerzos de DeepSeek por reducir la memoria necesaria para procesar entradas de gran extensión podrían comprometer la fiabilidad del sistema; se observó que los modelos tendían a pasar por alto información específica cuando esta aparecía en determinadas posiciones dentro de un documento.

«El fenómeno se manifiesta en DeepSeek-V4, V4.1 y en todos los modelos comprimidos que preentrenamos», afirma el documento.