DeepSeek-R1 é um modelo de linguagem de grande porte desenvolvido pela empresa chinesa DeepSeek, lançado em 20 de janeiro de 2025. Ele se tornou um sucesso revolucionário, superando o ChatGPT como o aplicativo gratuito mais baixado na App Store da Apple nos Estados Unidos em 27 de janeiro de 2025. A eficiência do modelo e sua abordagem de código aberto provocaram uma reação significativa no mercado, causando uma queda de 18% no preço das ações da Nvidia no mesmo dia, à medida que os investidores reavaliavam a demanda por hardware caro de IA.
O evento destacou uma mudança no cenário de inteligência artificial, onde modelos menores e mais eficientes poderiam rivalizar com seus equivalentes maiores. O sucesso do DeepSeek-R1 foi descrito como "revolucionando a IA" e iniciando "uma corrida espacial global de IA", de acordo com observadores do setor. Os pesos abertos do modelo e o código de infraestrutura foram elogiados por contribuírem para a inteligência artificial de código aberto, enquanto sua conformidade com as políticas de censura do governo chinês levantou preocupações sobre privacidade e controle de informações.
Histórico e Desenvolvimento
A DeepSeek começou como uma série de modelos de linguagem de grande porte em novembro de 2023, começando com a série DeepSeek-LLM. A empresa, sediada na China, focou no desenvolvimento de arquiteturas eficientes que pudessem competir com players estabelecidos como OpenAI e Google (AI). Os primeiros modelos eram semelhantes ao Llama, usando transformadores densos somente com decodificador, mas iterações posteriores introduziram inovações como mistura de especialistas e atenção latente multi-cabeça.
Em 10 de janeiro de 2025, a DeepSeek lançou um Chatbot baseado no modelo DeepSeek-R1 para iOS e Android. O aplicativo rapidamente ganhou tração e, em 27 de janeiro, tornou-se o aplicativo gratuito mais baixado na App Store da Apple nos Estados Unidos, superando o ChatGPT. Essa adoção rápida foi impulsionada pelo acesso gratuito do modelo e pelo forte desempenho em tarefas de raciocínio.
O lançamento do DeepSeek-R1 fez parte de uma estratégia mais ampla da DeepSeek para oferecer modelos de pesos abertos. Ao contrário de muitos concorrentes que mantinham seus modelos proprietários, a DeepSeek disponibilizou publicamente seu código de infraestrutura e pesos de modelo, permitindo que pesquisadores e desenvolvedores os usassem e modificassem. Essa abordagem estava alinhada com os princípios da inteligência artificial de código aberto e contribuiu para sua popularidade.
Impacto no Mercado da Nvidia
O choque no mercado em 27 de janeiro de 2025 foi desencadeado pela percepção de que a eficiência do DeepSeek-R1 poderia reduzir a necessidade de recursos massivos de computação, que são centrais para o negócio da Nvidia. A Nvidia se tornou um fornecedor dominante de GPUs para treinamento e inferência de IA, com sua capitalização de mercado atingindo US$ 3 trilhões em 2024. O crescimento da empresa foi alimentado pela demanda de gigantes da tecnologia e startups.
No entanto, o DeepSeek-R1 demonstrou que modelos de alto desempenho poderiam ser treinados com menos recursos, usando técnicas como mistura de especialistas e mecanismos de atenção eficientes. Isso levantou questões sobre a sustentabilidade do boom de hardware de IA. Em 27 de janeiro, o preço das ações da Nvidia caiu 18%, eliminando centenas de bilhões de dólares em valor de mercado. A queda foi uma das maiores quedas em um único dia na história da empresa.
O impacto se estendeu além da Nvidia, afetando outras ações relacionadas à IA e levando os analistas a reavaliar a corrida pela dominância em IA. Alguns especialistas argumentaram que a reação do mercado foi exagerada, observando que modelos eficientes poderiam aumentar a adoção geral de IA, potencialmente impulsionando a demanda por hardware a longo prazo. Outros viram isso como um sinal de que a era da "escala a qualquer custo" estava chegando ao fim.
Inovações Técnicas
O DeepSeek-R1 baseou-se em vários avanços arquiteturais introduzidos em modelos anteriores da DeepSeek. A arquitetura Transformer (architecture), que sustenta a maioria dos modelos de linguagem de grande porte modernos, foi refinada com atenção latente multi-cabeça (MLA) e camadas de mistura de especialistas (MoE). Essas inovações reduziram o uso de memória e os custos computacionais, mantendo o desempenho.
A atenção latente multi-cabeça, introduzida no DeepSeek-V2, comprimiu os caches de chave-valor para reduzir os requisitos de memória. Isso foi um afastamento do mecanismo padrão de atenção multi-cabeça usado em modelos como o Llama. A arquitetura MoE, que ativa apenas um subconjunto de especialistas por Token (language model), permitiu que o modelo tivesse um grande número de parâmetros sem incorrer em custos computacionais proporcionais.
O DeepSeek-R1 também incorporou técnicas para melhorar o raciocínio, como aprendizado por reforço e ajuste crítico autoprincipiado. Esses métodos aprimoraram a capacidade do modelo de resolver problemas complexos, incluindo raciocínio matemático e geração de código. O desempenho do modelo em benchmarks foi comparável aos principais modelos de empresas americanas de IA, de acordo com testes usados por essas empresas.
Uso e Acessibilidade
O DeepSeek-R1 foi disponibilizado através do site oficial da DeepSeek e aplicativos móveis, gratuitamente, sem limite no número de consultas. Os usuários podiam se registrar usando serviços de e-mail globais como Gmail ou Yahoo. A versão web tinha um limite de 500 mensagens por hora para evitar spam.
Para desenvolvedores e empresas, a DeepSeek ofereceu acesso à API para os modelos R1 e V3 com um modelo de preços baseado no uso. Em fevereiro de 2025, o preço da API era de aproximadamente US$ 0,28 por milhão de Token (language model)s de entrada e US$ 0,42 por milhão de tokens de saída, tornando-o menos caro do que alguns serviços concorrentes. Esse baixo custo foi um fator-chave na adoção do modelo.
Os pesos abertos do modelo permitiam implantação local, o que atraiu organizações preocupadas com a privacidade dos dados. No entanto, as práticas de coleta de dados da DeepSeek e a conformidade com as políticas de censura do governo chinês atraíram escrutínio de reguladores em vários países. Alguns governos baniram o aplicativo em dispositivos oficiais, citando preocupações de segurança.
Implicações Mais Amplas
O choque de mercado do DeepSeek-R1 teve implicações significativas para a indústria de IA. Ele desafiou a suposição de que apenas investimentos massivos em computação poderiam gerar capacidades avançadas de IA. Isso provocou discussões sobre a eficiência do pré-treinamento e o potencial para players menores competirem.
A queda das ações da Nvidia foi um alerta para os investidores, mas a empresa continuou a inovar. A Nvidia tinha um histórico de aquisições, incluindo Mellanox e Arm (embora esta última tenha falhado), e suas GPUs permaneceram essenciais para cargas de trabalho de IA. A receita de IA da empresa continuou a crescer, e sua capitalização de mercado eventualmente se recuperou.
O evento também destacou as dimensões geopolíticas do desenvolvimento de IA. O sucesso da DeepSeek foi visto como um marco para a IA chinesa, que avançava rapidamente apesar dos controles de exportação de chips avançados. A colaboração entre a DeepSeek e a Universidade de Tsinghua em modelos posteriores sublinhou o papel das instituições acadêmicas na pesquisa em IA.
Desenvolvimentos Posteriores
Após o choque inicial, a DeepSeek continuou a lançar novos modelos. Em 3 de abril de 2025, em colaboração com pesquisadores da Universidade de Tsinghua, a DeepSeek publicou um artigo apresentando o DeepSeek-GRM, que combinava modelagem de recompensa generativa e ajuste crítico autoprincipiado para melhorar o escalonamento inferencial no momento da inferência. A empresa disse que esses modelos seriam de código aberto.
Em 30 de abril de 2025, a DeepSeek lançou o DeepSeek-Prover-V2-671B, um modelo focado em matemática para prova formal de teoremas e raciocínio matemático. Em 24 de abril de 2026, a DeepSeek lançou o DeepSeek V4 e V4-Pro, seguidos pelo DeepSeek-V4.1-Flash em setembro de 2026. Esses lançamentos continuaram a tendência de modelos eficientes e de pesos abertos.
O impacto de mercado do DeepSeek-R1 foi um momento definidor na era da IA generativa. Ele demonstrou que a inovação poderia vir de lugares inesperados e que a economia da IA não era imutável. O evento influenciou estratégias de investimento, com algumas empresas diversificando seus fornecedores de hardware além da Nvidia, incluindo AMD e AWS Trainium.
Conclusão
O lançamento do DeepSeek-R1 e a subsequente queda das ações da Nvidia marcaram um ponto de virada na indústria de IA. A eficiência do modelo e sua natureza de código aberto desafiaram suposições prevalecentes sobre escala e custo. Embora a reação do mercado tenha sido dramática, ela também estimulou discussões sobre o futuro do desenvolvimento de IA, o papel do hardware e a importância da acessibilidade.
O evento sublinhou o ritmo acelerado da inovação em aprendizado de máquina e a interconexão entre tecnologia e finanças. À medida que a IA continua a evoluir, as lições do DeepSeek-R1 - de que eficiência e abertura podem ser tão valiosas quanto poder bruto - provavelmente moldarão a indústria nos próximos anos.