DeepSeek-R1 es un modelo de razonamiento lanzado por la empresa china de inteligencia artificial DeepSeek el 20 de enero de 2025. Fue entrenado para producir un razonamiento encadenado extendido antes de responder, utilizando aprendizaje por refuerzo a gran escala aplicado directamente a un modelo de lenguaje base, y reportó un rendimiento competitivo con el o1 de OpenAI en puntos de referencia de matemáticas, codificación y lógica. DeepSeek publicó abiertamente los pesos del modelo R1 bajo una licencia MIT, junto con un artículo técnico detallado, en un momento en que la mayoría de los modelos de razonamiento comparables de laboratorios occidentales eran cerrados y solo disponibles mediante API.
Enfoque de entrenamiento
DeepSeek describió el entrenamiento de una variante inicial, DeepSeek-R1-Zero, utilizando aprendizaje por refuerzo a gran escala directamente sobre un modelo base sin una etapa de ajuste fino supervisado, un enfoque que produjo un razonamiento sólido pero con una salida que a veces era difícil de leer, mezclando idiomas o careciendo de una estructura clara. El modelo DeepSeek-R1 lanzado abordó esto añadiendo una pequeña cantidad de datos supervisados de "arranque en frío" antes del aprendizaje por refuerzo, seguido de etapas adicionales de RL, produciendo trazas de razonamiento más coherentes mientras conservaba la mayoría de las ganancias de capacidad. DeepSeek también lanzó un conjunto de modelos "destilados" más pequeños, que van desde 1.5 mil millones hasta 70 mil millones de parámetros, creados mediante el ajuste fino de modelos abiertos existentes como Qwen y Llama en trazas de razonamiento generadas por R1, haciendo disponible un comportamiento de razonamiento sólido a escalas mucho más pequeñas y más desplegables.
Afirmaciones de costos y reacción del mercado
DeepSeek declaró que la ejecución final de entrenamiento para su modelo base V3 subyacente costó aproximadamente 5.6 millones de dólares en cómputo de GPU, una cifra drásticamente menor que los cientos de millones a miles de millones que se informó gastaron OpenAI, Anthropic y Google DeepMind en entrenar modelos frontera comparables. La afirmación, combinada con el rendimiento de R1 en los puntos de referencia y su disponibilidad pública gratuita a través de la aplicación y API de DeepSeek, desencadenó lo que se conoció como el DeepSeek market shock: el 27 de enero de 2025, las acciones de NVIDIA cayeron aproximadamente un 17 por ciento en un solo día de negociación, borrando cerca de 600 mil millones de dólares en valor de mercado, la mayor pérdida diaria para una empresa estadounidense hasta ese momento, mientras los inversores reevaluaban las suposiciones sobre cuánto cómputo requería la IA frontera. Otras acciones vinculadas a la IA cayeron junto con ella. Los analistas posteriormente debatieron si la cifra de costos reportada por DeepSeek contabilizaba completamente los costos de investigación previos y la amortización de hardware, y si la empresa tenía acceso a chips de Nvidia restringidos a pesar de los controles de exportación de EE. UU., sin resolver completamente la cuestión.
Recepción e impacto
DeepSeek-R1 fue ampliamente probado por investigadores independientes y se encontró que su rendimiento se acercaba a sus puntos de referencia declarados en muchas tareas, aunque también se descubrió que aplicaba censura alineada con el gobierno chino en temas políticamente sensibles como la Plaza de Tiananmen y Taiwán cuando se accedía a través de la aplicación alojada por DeepSeek, una limitación que no se aplicaba a los pesos abiertamente publicados cuando se ejecutaban de forma independiente. El lanzamiento del modelo intensificó el debate sobre la durabilidad del paradigma de escalado impulsado por cómputo y sobre la competencia entre EE. UU. y China en inteligencia artificial, con funcionarios estadounidenses citándolo como evidencia para endurecer los controles de exportación de chips de IA, mientras que otros lo citaban como evidencia de que esos controles impulsaban la innovación en eficiencia en lugar de contener la capacidad. R1 es frecuentemente citado como uno de los lanzamientos de modelos de pesos abiertos más trascendentales de 2025.