DeepSeek-R1 es un modelo de lenguaje de gran tamaño desarrollado por la empresa china DeepSeek, lanzado el 20 de enero de 2025. Se convirtió en un éxito revolucionario, superando a ChatGPT como la aplicación gratuita más descargada en la App Store de iOS en Estados Unidos para el 27 de enero de 2025. La eficiencia del modelo y su enfoque de código abierto provocaron una reacción significativa en el mercado, causando una caída del 18% en el precio de las acciones de Nvidia el mismo día, mientras los inversores reevaluaban la demanda de hardware de IA costoso.
El evento destacó un cambio en el panorama de la inteligencia artificial, donde modelos más pequeños y eficientes podían rivalizar con sus contrapartes más grandes. El éxito de DeepSeek-R1 fue descrito como "trastocar la IA" e iniciar "una carrera espacial global de IA", según observadores de la industria. Los pesos abiertos del modelo y el código de infraestructura fueron elogiados por contribuir a la inteligencia artificial de código abierto, mientras que su cumplimiento con las políticas de censura del gobierno chino generó preocupaciones sobre la privacidad y el control de la información.
Antecedentes y Desarrollo
DeepSeek comenzó como una serie de modelos de lenguaje de gran tamaño en noviembre de 2023, comenzando con la serie DeepSeek-LLM. La empresa, con sede en China, se centró en desarrollar arquitecturas eficientes que pudieran competir con actores establecidos como OpenAI y Google. Los primeros modelos eran similares a Llama, utilizando transformadores densos solo de decodificador, pero iteraciones posteriores introdujeron innovaciones como mezcla de expertos y atención latente de múltiples cabezas.
El 10 de enero de 2025, DeepSeek lanzó un Chatbot basado en el modelo DeepSeek-R1 para iOS y Android. La aplicación rápidamente ganó tracción, y para el 27 de enero se había convertido en la aplicación gratuita más descargada en la App Store de iOS en Estados Unidos, superando a ChatGPT. Esta adopción rápida fue impulsada por el acceso gratuito del modelo y su fuerte rendimiento en tareas de razonamiento.
El lanzamiento de DeepSeek-R1 fue parte de una estrategia más amplia de DeepSeek para ofrecer modelos de pesos abiertos. A diferencia de muchos competidores que mantenían sus modelos propietarios, DeepSeek hizo público su código de infraestructura y los pesos del modelo, permitiendo a investigadores y desarrolladores usarlos y modificarlos. Este enfoque se alineó con los principios de la inteligencia artificial de código abierto y contribuyó a su popularidad.
Impacto en el Mercado de Nvidia
El shock en el mercado el 27 de enero de 2025 fue desencadenado por la percepción de que la eficiencia de DeepSeek-R1 podría reducir la necesidad de recursos masivos de cómputo, que son centrales para el negocio de Nvidia. Nvidia se había convertido en un proveedor dominante de GPUs para el entrenamiento de IA y la inferencia, con su capitalización de mercado alcanzando los 3 billones de dólares en 2024. El crecimiento de la empresa fue impulsado por la demanda de gigantes tecnológicos y startups por igual.
Sin embargo, DeepSeek-R1 demostró que modelos de alto rendimiento podían entrenarse con menos recursos, utilizando técnicas como mezcla de expertos y mecanismos de atención eficientes. Esto planteó preguntas sobre la sostenibilidad del auge del hardware de IA. El 27 de enero, el precio de las acciones de Nvidia cayó un 18%, borrando cientos de miles de millones de dólares en valor de mercado. La caída fue una de las mayores disminuciones en un solo día en la historia de la empresa.
El impacto se extendió más allá de Nvidia, afectando a otras acciones relacionadas con la IA y llevando a los analistas a reevaluar la carrera por el dominio de la IA. Algunos expertos argumentaron que la reacción del mercado fue exagerada, señalando que los modelos eficientes podrían aumentar la adopción general de la IA, potencialmente impulsando la demanda de hardware a largo plazo. Otros lo vieron como una señal de que la era de "escala a toda costa" estaba terminando.
Innovaciones Técnicas
DeepSeek-R1 se basó en varios avances arquitectónicos introducidos en modelos anteriores de DeepSeek. La arquitectura transformador, que sustenta la mayoría de los modelos de lenguaje de gran tamaño modernos, fue refinada con atención latente de múltiples cabezas (MLA) y capas de mezcla de expertos (MoE). Estas innovaciones redujeron el uso de memoria y los costos computacionales mientras mantenían el rendimiento.
La atención latente de múltiples cabezas, introducida en DeepSeek-V2, comprimió las cachés de clave-valor para reducir los requisitos de memoria. Esto fue una desviación del mecanismo estándar de atención de múltiples cabezas utilizado en modelos como Llama. La arquitectura MoE, que activa solo un subconjunto de expertos por Token (language model), permitió que el modelo tuviera un gran número de parámetros sin incurrir en costos computacionales proporcionales.
DeepSeek-R1 también incorporó técnicas para mejorar el razonamiento, como el aprendizaje por refuerzo y el ajuste de crítica autoprincipiada. Estos métodos mejoraron la capacidad del modelo para resolver problemas complejos, incluido el razonamiento matemático y la generación de código. El rendimiento del modelo en puntos de referencia fue comparable al de los modelos líderes de empresas estadounidenses de IA, según pruebas utilizadas por esas empresas.
Uso y Accesibilidad
DeepSeek-R1 se puso a disposición a través del sitio web oficial de DeepSeek y aplicaciones móviles, de forma gratuita, sin límite en el número de consultas. Los usuarios podían registrarse utilizando servicios de correo electrónico globales como Gmail o Yahoo. La versión web tenía un límite de 500 mensajes por hora para prevenir el spam.
Para desarrolladores y empresas, DeepSeek ofrecía acceso API a los modelos R1 y V3 con un modelo de precios basado en el uso. A partir de febrero de 2025, el precio de la API era de aproximadamente $0.28 por millón de tokens de entrada y $0.42 por millón de tokens de salida, lo que lo hacía menos costoso que algunos servicios competidores. Este bajo costo fue un factor clave en la adopción del modelo.
Los pesos abiertos del modelo permitían la implementación local, lo que atraía a organizaciones preocupadas por la privacidad de los datos. Sin embargo, las prácticas de recopilación de datos de DeepSeek y su cumplimiento con las políticas de censura del gobierno chino atrajeron el escrutinio de reguladores en varios países. Algunos gobiernos prohibieron la aplicación en dispositivos oficiales, citando preocupaciones de seguridad.
Implicaciones Más Amplias
El shock en el mercado de DeepSeek-R1 tuvo implicaciones significativas para la industria de la IA. Desafió la suposición de que solo inversiones masivas en cómputo podrían producir capacidades avanzadas de IA. Esto provocó discusiones sobre la eficiencia del preentrenamiento y el potencial de actores más pequeños para competir.
La caída de las acciones de Nvidia fue una llamada de atención para los inversores, pero la empresa continuó innovando. Nvidia tenía un historial de adquisiciones, incluyendo Mellanox y Arm (aunque esta última fracasó), y sus GPUs seguían siendo esenciales para las cargas de trabajo de IA. El ingreso de IA de la empresa continuó creciendo, y su capitalización de mercado eventualmente se recuperó.
El evento también destacó las dimensiones geopolíticas del desarrollo de la IA. El éxito de DeepSeek fue visto como un hito para la IA china, que había avanzado rápidamente a pesar de los controles de exportación sobre chips avanzados. La colaboración entre DeepSeek y la Universidad de Tsinghua en modelos posteriores subrayó el papel de las instituciones académicas en la investigación de IA.
Desarrollos Posteriores
Tras el shock inicial, DeepSeek continuó lanzando nuevos modelos. El 3 de abril de 2025, en colaboración con investigadores de la Universidad de Tsinghua, DeepSeek publicó un artículo que presentaba DeepSeek-GRM, que combinaba modelado de recompensa generativa y ajuste de crítica autoprincipiada para mejorar el escalado en tiempo de inferencia. La empresa dijo que estos modelos serían de código abierto.
El 30 de abril de 2025, DeepSeek lanzó DeepSeek-Prover-V2-671B, un modelo centrado en matemáticas para la demostración formal de teoremas y el razonamiento matemático. El 24 de abril de 2026, DeepSeek lanzó DeepSeek V4 y V4-Pro, seguidos de DeepSeek-V4.1-Flash en septiembre de 2026. Estos lanzamientos continuaron la tendencia de modelos eficientes y de pesos abiertos.
El impacto en el mercado de DeepSeek-R1 fue un momento definitorio en la era de la IA generativa. Demostró que la innovación podía venir de lugares inesperados y que la economía de la IA no estaba escrita en piedra. El evento influyó en las estrategias de inversión, con algunas empresas diversificando sus proveedores de hardware más allá de Nvidia, incluyendo AMD y AWS Trainium.
Conclusión
El lanzamiento de DeepSeek-R1 y la posterior caída de las acciones de Nvidia marcaron un punto de inflexión en la industria de la IA. La eficiencia del modelo y su naturaleza de código abierto desafiaron las suposiciones predominantes sobre escala y costo. Aunque la reacción del mercado fue dramática, también provocó discusiones sobre el futuro del desarrollo de la IA, el papel del hardware y la importancia de la accesibilidad.
El evento subrayó el ritmo rápido de la innovación en aprendizaje automático y la interconexión entre tecnología y finanzas. A medida que la IA continúa evolucionando, las lecciones de DeepSeek-R1 - que la eficiencia y la apertura pueden ser tan valiosas como el poder bruto - probablemente darán forma a la industria durante años.