DeepSeek-R1 es un modelo de lenguaje de gran tamaño desarrollado por la empresa china DeepSeek, lanzado el 20 de enero de 2025. Es un modelo de razonamiento de pesos abiertos diseñado para realizar tareas lógicas y matemáticas complejas con alta eficiencia. Su lanzamiento provocó una disrupción significativa en los mercados tecnológicos globales, ya que sus bajos costos de entrenamiento e inferencia desafiaron las suposiciones sobre la escala de inversión necesaria para sistemas avanzados de inteligencia artificial.
El éxito del modelo fue descrito como "revolucionar la IA" e "iniciar una carrera espacial global de IA", según analistas de la industria. El enfoque de código abierto de DeepSeek-R1, combinado con un rendimiento comparable al de rivales propietarios, impulsó una reevaluación del panorama competitivo en IA generativa. El evento también generó preocupaciones sobre la privacidad de los datos y el cumplimiento de la censura, lo que llevó a un escrutinio regulatorio en varios países.
Choque de mercado y caída de acciones
El 27 de enero de 2025, DeepSeek-R1 superó a ChatGPT como la aplicación gratuita más descargada en la App Store de iOS en los Estados Unidos. Este hito coincidió con una fuerte caída de las acciones tecnológicas, especialmente NVIDIA, cuyo precio de las acciones cayó un 18% el mismo día. La caída reflejó los temores de los inversores de que los altos gastos de capital en infraestructura de cómputo por parte de las empresas estadounidenses podrían no ser necesarios, dada la eficiencia de costos demostrada por DeepSeek.
El impacto en el mercado fue global, afectando a importantes empresas tecnológicas como Google (AI), AMD y TSMC. El evento fue posteriormente denominado "choque DeepSeek" en los medios financieros, destacando cómo una startup china relativamente pequeña podía alterar las valoraciones de actores establecidos. La caída de la capitalización de mercado de Nvidia fue particularmente notable, ya que la empresa había alcanzado recientemente una capitalización de mercado de 4 billones de dólares a finales de 2024.
Innovaciones técnicas y eficiencia de costos
La arquitectura de DeepSeek-R1 se basó en modelos anteriores de DeepSeek, incorporando técnicas de mezcla de expertos y atención latente de múltiples cabezas. El modelo utilizaba una estructura Transformer (architecture) solo de decodificador con expertos compartidos y enrutados, lo que le permitía activar solo una fracción de sus parámetros por Token (language model). Este diseño redujo significativamente los costos de inferencia en comparación con modelos densos de capacidad similar.
El proceso de entrenamiento de DeepSeek-R1 fue notablemente eficiente, utilizando supuestamente menos recursos de cómputo que modelos comparables de empresas estadounidenses. La empresa publicó informes técnicos detallados, contribuyendo al ecosistema de código abierto. Su precio de API, de aproximadamente $0.28 por millón de tokens de entrada y $0.42 por millón de tokens de salida a partir de febrero de 2025, era mucho más bajo que el de muchos competidores, haciendo que la IA avanzada fuera accesible para desarrolladores más pequeños.
Comparación con competidores
DeepSeek-R1 se posicionó como un competidor directo de modelos como Llama y ChatGPT. A diferencia del enfoque de código cerrado de OpenAI, DeepSeek liberó sus pesos y código de infraestructura, permitiendo a investigadores y empresas ejecutar el modelo localmente. Esta apertura fue elogiada por la comunidad de IA, aunque también planteó preguntas sobre la sostenibilidad de los modelos propietarios.
En pruebas de referencia utilizadas por empresas estadounidenses de IA, DeepSeek-R1 se desempeñó a la par de los chatbots líderes en tareas que involucran matemáticas, lógica y programación informática. Sus capacidades de razonamiento fueron particularmente fuertes, atribuidas a técnicas como el ajuste de crítica autoprincipiada y el modelado de recompensa generativa, que fueron detalladas posteriormente en un artículo publicado el 3 de abril de 2025 en colaboración con investigadores de la Universidad de Tsinghua.
Preocupaciones regulatorias y de privacidad
El cumplimiento de DeepSeek con las políticas de censura del gobierno chino y sus prácticas de recopilación de datos atrajeron el escrutinio de reguladores en varios países. Las preocupaciones se centraron en el control de la información y la privacidad del usuario, ya que los datos de entrenamiento y los protocolos operativos del modelo estaban sujetos a las leyes chinas. En respuesta, algunos gobiernos comenzaron a investigar posibles restricciones sobre el uso de DeepSeek en capacidades oficiales.
El 27 de enero de 2025, DeepSeek experimentó un ciberataque a "gran escala" que interrumpió las operaciones del servidor. La empresa posteriormente limitó el registro de nuevos usuarios a números de teléfono de China continental, direcciones de correo electrónico o inicios de sesión con cuentas de Google. Este incidente destacó la vulnerabilidad del modelo ante actores malintencionados y las tensiones geopolíticas en torno a su despliegue.
Impacto más amplio en la industria de la IA
El lanzamiento de DeepSeek-R1 aceleró los debates sobre la escala de la inversión en IA. Empresas como NVIDIA y OpenAI habían dependido de la suposición de que modelos y centros de datos cada vez más grandes eran necesarios para el progreso. La eficiencia de DeepSeek desafió esta narrativa, llevando a debates sobre el futuro del preentrenamiento y el papel de los modelos de código abierto en la industria.
El evento también influyó en las discusiones políticas, incluyendo la orden ejecutiva de EE. UU. sobre IA y la Ley de IA de la UE. Algunos formuladores de políticas argumentaron que los modelos de código abierto como DeepSeek-R1 podrían democratizar el acceso a la IA, mientras que otros advirtieron sobre riesgos de seguridad. El choque de mercado se convirtió en un caso de estudio sobre cómo los avances tecnológicos pueden remodelar rápidamente los paisajes económicos y regulatorios.
Desarrollos posteriores
Tras el lanzamiento inicial, DeepSeek continuó iterando en sus modelos. El 30 de abril de 2025, la empresa lanzó DeepSeek-Prover-V2-671B, un modelo centrado en matemáticas para la demostración formal de teoremas. El 24 de abril de 2026, se lanzaron DeepSeek V4 y V4-Pro, seguidos por DeepSeek-V4.1-Flash el 9 de septiembre de 2026. Estos modelos posteriores se basaron en las innovaciones arquitectónicas de R1, manteniendo el compromiso de la empresa con los principios de código abierto.
El legado del evento de enero de 2025 persistió, con analistas señalando que marcó un punto de inflexión en la carrera global de IA. La combinación de eficiencia de costos, pesos abiertos y rendimiento competitivo obligó a los actores establecidos a reconsiderar sus estrategias, al tiempo que destacó el rápido avance de la investigación china en IA.
Conclusión
El lanzamiento de DeepSeek-R1 en enero de 2025 fue un momento decisivo para la industria de la IA, demostrando que los modelos de razonamiento avanzados podían desarrollarse y desplegarse a una fracción del costo previamente considerado necesario. La posterior caída del mercado y el escrutinio regulatorio subrayaron las implicaciones de gran alcance del modelo. Mientras continúan los debates sobre privacidad y censura, el evento consolidó la posición de DeepSeek como un actor importante en el campo y reformuló las expectativas para el futuro de los modelos de lenguaje de gran tamaño.