DeepSeek-R1 ist ein Large Language Model mit offenen Gewichten, das von DeepSeek entwickelt wurde, einem chinesischen Unternehmen für künstliche Intelligenz mit Sitz in Hangzhou, Zhejiang. Das Modell wurde im Januar 2025 zusammen mit dem gleichnamigen Chatbot des Unternehmens veröffentlicht und erlangte internationale Aufmerksamkeit für seine fortgeschrittenen Denkfähigkeiten sowie für die Erschütterung der globalen Finanzmärkte, da seine kostengünstige Entwicklung Annahmen über die Dominanz westlicher KI-Unternehmen in Frage stellte. Das Modell ist Teil der breiteren Strategie von DeepSeek, Modelle mit offenen Gewichten unter freien und Open-Source-Softwarelizenzen zu veröffentlichen, wodurch seine Parameter öffentlich zugänglich gemacht werden, während die Trainingsdaten proprietär bleiben.
DeepSeek wurde im Juli 2023 von Liang Wenfeng gegründet, der auch Mitgründer des Hedgefonds High-Flyer ist, dem das Unternehmen gehört und der es finanziert. Die Veröffentlichung von DeepSeek-R1 im Januar 2025 markierte einen bedeutenden Meilenstein in der Geschichte des Unternehmens und positionierte es als wichtigen Akteur in der globalen KI-Landschaft. Die Leistung des Modells, kombiniert mit seinen effizienten Trainingsmethoden, löste Debatten über die Zukunft der KI-Entwicklung aus, insbesondere über die Rolle von Open-Source-Modellen und die Auswirkungen der US-Exportbeschränkungen für Chips auf die chinesische KI-Innovation.
Hintergrund
DeepSeek führt seine Ursprünge auf High-Flyer zurück, einen chinesischen Hedgefonds, der im Juni 2015 von Liang Wenfeng mitgegründet wurde. Liang, der seit der Finanzkrise 2008 während seines Studiums an der Zhejiang-Universität handelte, begann am 21. Oktober 2016 mit GPU-abhängigen Deep-Learning-Modellen für den Aktienhandel und ersetzte damit frühere CPU-basierte lineare Modelle. Bis Ende 2017 wurde der Großteil des Handels von High-Flyer durch KI gesteuert.
Im Jahr 2019 errichtete High-Flyer seinen ersten Computing-Cluster, Fire-Flyer, zu Kosten von 200 Millionen Yuan. Der Cluster enthielt 1.100 GPUs, die mit 200 Gbit/s verbunden waren, und wurde nach 1,5 Jahren Betriebszeit stillgelegt. Bis 2021 hatte Liang begonnen, große Mengen an Nvidia-GPUs für ein KI-Projekt zu kaufen, und beschaffte Berichten zufolge 10.000 Nvidia-A100-GPUs, bevor die Vereinigten Staaten den Chipverkauf an China einschränkten.
Der Bau von Fire-Flyer 2 begann 2021 mit einem Budget von 1 Milliarde Yuan. Im Jahr 2022 wurde die Kapazität von Fire-Flyer 2 zu über 96 % genutzt, insgesamt 56,74 Millionen GPU-Stunden, wobei 27 % der Kapazität wissenschaftliches Rechnen außerhalb des Unternehmens unterstützten. Der Cluster verfügte über 5.000 PCIe-A100-GPUs in 625 Knoten mit jeweils 8 GPUs und integrierte später NVLinks und die Nvidia Collective Communications Library (NCCL), um größere Modelle zu trainieren, die Modellparallelität erfordern.
Gründung und frühe Entwicklung
Am 14. April 2023 kündigte High-Flyer die Einrichtung eines Forschungslabors für allgemeine künstliche Intelligenz (AGI) an und erklärte, dass sich das neue Labor auf die Entwicklung von KI-Tools konzentrieren werde, die nichts mit dem Finanzgeschäft des Unternehmens zu tun haben. Zwei Monate später, am 17. Juli 2023, wurde dieses Labor in ein unabhängiges Unternehmen namens DeepSeek ausgegliedert, mit High-Flyer als Hauptinvestor und Geldgeber. Zunächst zögerten Risikokapitalgeber, Finanzmittel bereitzustellen, da sie es für unwahrscheinlich hielten, dass das Unternehmen schnell einen Exit generieren könnte.
DeepSeek hat seinen Hauptsitz in Hangzhou, Zhejiang, und gehört High-Flyer, das es auch finanziert. Der Mitgründer Liang Wenfeng fungiert als CEO. Stand Mai 2024 hielt Liang persönlich einen Anteil von 84 % an DeepSeek über zwei Briefkastenfirmen. Die Strategie des Unternehmens betont Forschung gegenüber sofortiger Kommerzialisierung, was es ihm ermöglicht, bestimmte Bestimmungen der chinesischen KI-Regulierungen zu umgehen, die auf verbraucherorientierte Technologien abzielen.
Veröffentlichung von DeepSeek-R1
DeepSeek-R1 wurde im Januar 2025 zusammen mit dem Start des gleichnamigen Chatbots des Unternehmens veröffentlicht. Die Veröffentlichung des Modells erzeugte erhebliche Medienberichterstattung und Marktreaktionen, da seine Leistung mit führenden westlichen Modellen wie denen von OpenAI und Anthropic konkurrierte, während es Berichten zufolge zu einem Bruchteil der Kosten trainiert wurde. Die Veröffentlichung wurde als Demonstration der wachsenden Fähigkeiten Chinas in künstlicher Intelligenz und als Herausforderung der Annahme gesehen, dass fortgeschrittene KI-Entwicklung massive Rechenressourcen erfordert.
Die Natur der offenen Gewichte des Modells bedeutete, dass seine Parameter öffentlich geteilt wurden, sodass Forscher und Entwickler weltweit es herunterladen und feinabstimmen konnten. Dies stand im Gegensatz zu den proprietären Ansätzen vieler westlicher KI-Unternehmen, die die Gewichte ihrer Modelle vertraulich hielten. Die Veröffentlichung von DeepSeek-R1 hob auch die Fähigkeit des Unternehmens hervor, unter den US-Exportbeschränkungen für Chips zu innovieren, da es seine Algorithmen verfeinert hatte, um die Recheneffizienz mit älterer Hardware zu maximieren.
Technische und operative Aspekte
DeepSeek-R1 basiert auf der Transformer-Architektur, der Grundlage der meisten modernen Large Language Models. Das Training des Modells nutzte den Fire-Flyer-2-Computing-Cluster, der aus einer gemeinsam entwickelten Software- und Hardware-Architektur besteht. Die Hardwareseite verwendet Nvidia-GPUs mit 200-Gbit/s-Verbindungen, die in zwei Zonen unterteilt sind, die zonenübergreifende Aufgaben unterstützen. Die Netzwerktopologie besteht aus zwei Fat Trees, die aufgrund ihrer hohen Bisektionsbandbreite gewählt wurden.
Die Softwareseite umfasst 3FS (Fire-Flyer File System), ein verteiltes paralleles Dateisystem, das für asynchrone Zufallslesevorgänge mit Direct I/O und RDMA Read entwickelt wurde. Im Gegensatz zu standardmäßigem Buffered I/O speichert Direct I/O keine Daten zwischen, was vorteilhaft ist, da jedes gelesene Datenstück zufällig ist und nicht wiederverwendet wird. Der Cluster verwendet auch hfreduce, eine asynchrone Kommunikationsbibliothek, die ursprünglich entwickelt wurde, um die Nvidia Collective Communications Library (NCCL) für bestimmte Operationen zu ersetzen.
Der Trainingsansatz von DeepSeek betont Effizienz, was es dem Unternehmen ermöglicht, trotz Hardwarebeschränkungen wettbewerbsfähige Leistungen zu erzielen. Das Unternehmen hat erklärt, dass es sich auf Forschung konzentriert und keine unmittelbaren Pläne zur Kommerzialisierung hat, was es ihm ermöglicht hat, technische Innovation über Marktdruck zu priorisieren.
Marktauswirkungen und Rezeption
Die Veröffentlichung von DeepSeek-R1 im Januar 2025 hatte erhebliche Auswirkungen auf die globalen Finanzmärkte, insbesondere auf Technologieaktien. Die Leistung des Modells, kombiniert mit Berichten über seine niedrigen Trainingskosten, führte zu einem Ausverkauf von Aktien von Unternehmen, die als führend in der KI-Infrastruktur galten, wie Nvidia und anderen Chipherstellern. Das Ereignis wurde weithin als Zeichen dafür interpretiert, dass sich die Wettbewerbslandschaft der KI verschiebt, wobei Open-Source-Modelle aus China die Dominanz US-amerikanischer KI-Unternehmen potenziell stören könnten.
DeepSeek-R1 erhielt Lob für seine Denkfähigkeiten, die in bestimmten Benchmarks mit führenden proprietären Modellen vergleichbar oder besser waren. Die Natur der offenen Gewichte des Modells erleichterte auch seine Übernahme durch Cloud-Anbieter, darunter Microsoft Azure und Perplexity AI, die es nativ hosteten. Diese breite Verfügbarkeit trug zu seiner Beliebtheit bei Forschern und Entwicklern bei.
Die Veröffentlichung warf jedoch auch Bedenken hinsichtlich der Auswirkungen von Open-Weight-Modellen auf die KI-Sicherheit und -Regulierung auf. Einige Experten argumentierten, dass die weit verbreitete Verfügbarkeit leistungsstarker Denkmodelle Risiken darstellen könnte, während andere die Demokratisierung der KI-Technologie begrüßten. Das Ereignis löste Diskussionen über die Notwendigkeit internationaler Zusammenarbeit bei der KI-Governance aus, insbesondere angesichts der geopolitischen Spannungen zwischen den USA und China.
Breiterer Kontext und zukünftige Richtungen
Die Veröffentlichung von DeepSeek-R1 ist Teil eines breiteren Trends chinesischer KI-Unternehmen, die trotz US-Exportkontrollen wettbewerbsfähige Modelle entwickeln. DeepSeek hat seine Algorithmen kontinuierlich verfeinert, um die Recheneffizienz zu maximieren, ältere Hardware zu nutzen und den Energieverbrauch zu senken. Das Unternehmen hat sich auch nach Afrika ausgeweitet, bietet erschwinglichere und weniger stromhungrige KI-Lösungen an und hat afrikanische Sprachmodelle gestärkt, was eine Reihe von Startups hervorgebracht hat, zum Beispiel in Nairobi. Zusammen mit Huaweis Speicher- und Cloud-Computing-Diensten ist die Auswirkung auf die Tech-Szene in Subsahara-Afrika beträchtlich, wobei DeepSeek lokale Datensouveränität und mehr Flexibilität im Vergleich zu westlichen KI-Plattformen bietet.
Der Einstellungsansatz des Unternehmens betont Fähigkeiten gegenüber langjähriger Berufserfahrung, was dazu führt, dass viele Neueinstellungen direkt von der Universität kommen. DeepSeek rekrutiert auch Personen ohne Informatikhintergrund, um die Bandbreite des Fachwissens zu erweitern, das in die Modelle einfließt, zum Beispiel in Poesie oder fortgeschrittener Mathematik. Laut The New York Times haben Dutzende von DeepSeek-Forschern Verbindungen zu Laboren der Volksbefreiungsarmee und den Sieben Söhnen der Nationalen Verteidigung oder hatten diese zuvor. Seit 2025 wurde sein Chatbot in nicht-kampfbezogenen Rollen von der Volksbefreiungsarmee übernommen, darunter in Krankenhäusern, bei der paramilitärischen Volkspolizei und in Organisationen der nationalen Mobilmachung.
Stand Anfang 2025 bleibt DeepSeek-R1 ein bedeutender Bezugspunkt in der KI-Gemeinschaft und veranschaulicht das Potenzial der Open-Source-Entwicklung und den zunehmenden globalen Wettbewerb in generativer KI. Die Veröffentlichung des Modells hat andere Unternehmen dazu veranlasst, ihre Strategien zu überdenken, wobei einige offenere Ansätze zur Modellverteilung erkunden. Die langfristigen Auswirkungen von DeepSeek-R1 auf die KI-Industrie entfalten sich noch, aber seine unmittelbare Wirkung auf Märkte und öffentlichen Diskurs war tiefgreifend.