DeepSeek-R1 ist ein großes Sprachmodell, das vom chinesischen Unternehmen DeepSeek entwickelt und am 20. Januar 2025 veröffentlicht wurde. Es wurde zu einem Durchbruchserfolg und übertraf ChatGPT als meistheruntergeladene Freeware-App im iOS App Store in den Vereinigten Staaten bis zum 27. Januar 2025. Die Effizienz des Modells und der Open-Source-Ansatz lösten eine bedeutende Marktreaktion aus, die am selben Tag einen Rückgang des Aktienkurses von Nvidia um 18 % verursachte, da Investoren die Nachfrage nach teurer KI-Hardware neu bewerteten.
Das Ereignis verdeutlichte einen Wandel in der Künstlichen-Intelligenz-Landschaft, bei dem kleinere, effizientere Modelle mit größeren Gegenstücken konkurrieren konnten. Der Erfolg von DeepSeek-R1 wurde laut Branchenbeobachtern als „Umsturz der KI" und Auslöser eines „globalen KI-Wettlaufs" beschrieben. Die offenen Gewichte und der Infrastrukturcode des Modells wurden dafür gelobt, zur Open-Source-KI beizutragen, während die Einhaltung der Zensurrichtlinien der chinesischen Regierung Bedenken hinsichtlich Datenschutz und Informationskontrolle aufwarf.
Hintergrund und Entwicklung
DeepSeek begann im November 2023 als Serie großer Sprachmodelle mit der DeepSeek-LLM-Serie. Das in China ansässige Unternehmen konzentrierte sich auf die Entwicklung effizienter Architekturen, die mit etablierten Akteuren wie OpenAI und Google konkurrieren konnten. Frühe Modelle ähnelten LLaMA und verwendeten dichte Decoder-only-Transformer, aber spätere Iterationen führten Innovationen wie Mixture-of-Experts und Multi-Head-Latent-Attention ein.
Am 10. Januar 2025 veröffentlichte DeepSeek einen Chatbot basierend auf dem DeepSeek-R1-Modell für iOS und Android. Die App gewann schnell an Popularität und war bis zum 27. Januar die meistheruntergeladene Freeware-App im iOS App Store in den Vereinigten Staaten und überholte ChatGPT. Diese schnelle Verbreitung wurde durch den kostenlosen Zugang und die starke Leistung bei Denkaufgaben vorangetrieben.
Die Veröffentlichung von DeepSeek-R1 war Teil einer breiteren Strategie von DeepSeek, Modelle mit offenen Gewichten anzubieten. Im Gegensatz zu vielen Wettbewerbern, die ihre Modelle proprietär hielten, machte DeepSeek seinen Infrastrukturcode und die Modellgewichte öffentlich zugänglich, sodass Forscher und Entwickler sie nutzen und modifizieren konnten. Dieser Ansatz entsprach den Prinzipien der Open-Source-KI und trug zu seiner Beliebtheit bei.
Marktauswirkungen auf Nvidia
Der Marktschock am 27. Januar 2025 wurde durch die Wahrnehmung ausgelöst, dass die Effizienz von DeepSeek-R1 den Bedarf an massiven Rechenressourcen reduzieren könnte, die für das Geschäft von Nvidia zentral sind. Nvidia war zum dominierenden Anbieter von GPUs für KI-Training und Inferenz geworden, mit einer Marktkapitalisierung von 3 Billionen US-Dollar im Jahr 2024. Das Wachstum des Unternehmens wurde durch die Nachfrage von Technologiegiganten und Start-ups gleichermaßen angetrieben.
DeepSeek-R1 zeigte jedoch, dass hochleistungsfähige Modelle mit weniger Ressourcen trainiert werden konnten, indem Techniken wie Mixture-of-Experts und effiziente Aufmerksamkeitsmechanismen verwendet wurden. Dies warf Fragen zur Nachhaltigkeit des KI-Hardware-Booms auf. Am 27. Januar fiel der Aktienkurs von Nvidia um 18 %, was Hunderte von Milliarden Dollar an Marktwert vernichtete. Der Rückgang war einer der größten Tagesverluste in der Geschichte des Unternehmens.
Die Auswirkungen gingen über Nvidia hinaus, betrafen andere KI-bezogene Aktien und veranlassten Analysten, den Wettlauf um die KI-Vorherrschaft neu zu bewerten. Einige Experten argumentierten, dass die Marktreaktion übertrieben sei, da effiziente Modelle die gesamte KI-Adoption erhöhen und langfristig die Nachfrage nach Hardware steigern könnten. Andere sahen darin ein Signal, dass die Ära des „Wachstums um jeden Preis" zu Ende gehe.
Technische Innovationen
DeepSeek-R1 baute auf mehreren architektonischen Fortschritten auf, die in früheren DeepSeek-Modellen eingeführt wurden. Die Transformer-Architektur, die den meisten modernen großen Sprachmodellen zugrunde liegt, wurde mit Multi-Head-Latent-Attention (MLA) und Mixture-of-Experts-Schichten (MoE) verfeinert. Diese Innovationen reduzierten den Speicherverbrauch und die Rechenkosten, während die Leistung erhalten blieb.
Multi-Head-Latent-Attention, eingeführt in DeepSeek-V2, komprimierte Key-Value-Caches, um den Speicherbedarf zu senken. Dies war eine Abweichung vom Standardmechanismus der Multi-Head-Attention, der in Modellen wie LLaMA verwendet wird. Die MoE-Architektur, die nur eine Teilmenge von Experten pro Token aktiviert, ermöglichte es dem Modell, eine große Anzahl von Parametern zu haben, ohne proportionale Rechenkosten zu verursachen.
DeepSeek-R1 integrierte auch Techniken zur verbesserten Argumentation, wie Reinforcement Learning und Self-Principled-Critique-Tuning. Diese Methoden verbesserten die Fähigkeit des Modells, komplexe Probleme zu lösen, einschließlich mathematischer Argumentation und Codegenerierung. Die Leistung des Modells bei Benchmarks war laut Tests dieser Unternehmen mit führenden Modellen amerikanischer KI-Unternehmen vergleichbar.
Nutzung und Zugänglichkeit
DeepSeek-R1 wurde über die offizielle DeepSeek-Website und mobile Anwendungen kostenlos zur Verfügung gestellt, ohne Begrenzung der Anzahl der Abfragen. Benutzer konnten sich mit globalen E-Mail-Diensten wie Gmail oder Yahoo anmelden. Die Webversion hatte eine Begrenzung von 500 Nachrichten pro Stunde, um Spam zu verhindern.
Für Entwickler und Unternehmen bot DeepSeek API-Zugang zu den R1- und V3-Modellen mit einem nutzungsbasierten Preismodell an. Ab Februar 2025 lagen die API-Preise bei etwa 0,28 US-Dollar pro Million Eingabe-Token und 0,42 US-Dollar pro Million Ausgabe-Token, was günstiger war als einige konkurrierende Dienste. Diese niedrigen Kosten waren ein Schlüsselfaktor für die Adoption des Modells.
Die offenen Gewichte des Modells ermöglichten die lokale Bereitstellung, was für Organisationen attraktiv war, die Bedenken hinsichtlich des Datenschutzes hatten. Die Datenerfassungspraktiken von DeepSeek und die Einhaltung der Zensurrichtlinien der chinesischen Regierung zogen jedoch Kritik von Regulierungsbehörden in mehreren Ländern auf sich. Einige Regierungen verboten die App auf offiziellen Geräten mit Verweis auf Sicherheitsbedenken.
Breitere Auswirkungen
Der Marktschock von DeepSeek-R1 hatte erhebliche Auswirkungen auf die KI-Branche. Er stellte die Annahme in Frage, dass nur massive Investitionen in Rechenressourcen fortgeschrittene KI-Fähigkeiten hervorbringen könnten. Dies führte zu Diskussionen über die Effizienz des Pretrainings und das Potenzial für kleinere Akteure, zu konkurrieren.
Der Aktienrückgang von Nvidia war ein Weckruf für Investoren, aber das Unternehmen innovierte weiter. Nvidia hatte eine Geschichte von Übernahmen, darunter Mellanox und Arm (obwohl letztere scheiterte), und seine GPUs blieben für KI-Workloads unverzichtbar. Die KI-Einnahmen des Unternehmens wuchsen weiter, und seine Marktkapitalisierung erholte sich schließlich.
Das Ereignis beleuchtete auch die geopolitischen Dimensionen der KI-Entwicklung. Der Erfolg von DeepSeek wurde als Meilenstein für die chinesische KI angesehen, die sich trotz Exportkontrollen für fortschrittliche Chips schnell weiterentwickelte. Die Zusammenarbeit zwischen DeepSeek und der Tsinghua-Universität bei späteren Modellen unterstrich die Rolle akademischer Institutionen in der KI-Forschung.
Nachfolgende Entwicklungen
Nach dem anfänglichen Schock veröffentlichte DeepSeek weiterhin neue Modelle. Am 3. April 2025 veröffentlichte DeepSeek in Zusammenarbeit mit Forschern der Tsinghua-Universität ein Papier, das DeepSeek-GRM vorstellte, das generative Belohnungsmodellierung und Self-Principled-Critique-Tuning kombinierte, um die Inferenz-Zeit-Skalierung zu verbessern. Das Unternehmen gab an, dass diese Modelle quelloffen sein würden.
Am 30. April 2025 veröffentlichte DeepSeek DeepSeek-Prover-V2-671B, ein auf Mathematik fokussiertes Modell für formales Theorembeweisen und mathematische Argumentation. Am 24. April 2026 veröffentlichte DeepSeek DeepSeek V4 und V4-Pro, gefolgt von DeepSeek-V4.1-Flash im September 2026. Diese Veröffentlichungen setzten den Trend effizienter Modelle mit offenen Gewichten fort.
Die Marktauswirkungen von DeepSeek-R1 waren ein prägender Moment in der generativen KI-Ära. Er zeigte, dass Innovation aus unerwarteten Orten kommen kann und dass die Ökonomie der KI nicht in Stein gemeißelt ist. Das Ereignis beeinflusste Investitionsstrategien, wobei einige Unternehmen ihre Hardware-Lieferanten über Nvidia hinaus diversifizierten, einschließlich AMD und AWS-Trainium.
Fazit
Die Veröffentlichung von DeepSeek-R1 und der anschließende Aktienrückgang von Nvidia markierten einen Wendepunkt in der KI-Branche. Die Effizienz und der Open-Source-Charakter des Modells stellten vorherrschende Annahmen über Skalierung und Kosten in Frage. Während die Marktreaktion dramatisch war, regte sie auch Diskussionen über die Zukunft der KI-Entwicklung, die Rolle der Hardware und die Bedeutung der Zugänglichkeit an.
Das Ereignis unterstrich das schnelle Innovationstempo im maschinellen Lernen und die Vernetzung von Technologie und Finanzen. Während sich die KI weiterentwickelt, werden die Lehren aus DeepSeek-R1 - dass Effizienz und Offenheit so wertvoll sein können wie rohe Rechenleistung - die Branche wahrscheinlich noch Jahre prägen.