DeepSeek-R1 é um modelo de linguagem de grande porte de pesos abertos desenvolvido pela DeepSeek, uma empresa chinesa de inteligência artificial sediada em Hangzhou, Zhejiang. Lançado em janeiro de 2025 juntamente com o chatbot homônimo da empresa, o DeepSeek-R1 ganhou atenção internacional por suas capacidades avançadas de raciocínio e por abalar os mercados financeiros globais, já que seu desenvolvimento de baixo custo desafiou suposições sobre a dominância das empresas ocidentais de IA. O modelo faz parte da estratégia mais ampla da DeepSeek de publicar modelos de pesos abertos sob licenças de software livre e de código aberto, tornando seus parâmetros publicamente disponíveis enquanto mantém os dados de treinamento proprietários.
A DeepSeek foi fundada em julho de 2023 por Liang Wenfeng, que também cofundou o fundo de hedge High-Flyer, que possui e financia a empresa. O lançamento do DeepSeek-R1 em janeiro de 2025 marcou um marco significativo na história da empresa, posicionando-a como uma grande player no cenário global de IA. O desempenho do modelo, combinado com seus métodos eficientes de treinamento, gerou debates sobre o futuro do desenvolvimento de IA, particularmente em relação ao papel dos modelos de código aberto e ao impacto das restrições de exportação de chips dos EUA na inovação chinesa em IA.
Histórico
A DeepSeek traça suas origens à High-Flyer, um fundo de hedge chinês cofundado por Liang Wenfeng em junho de 2015. Liang, que negociava desde a crise financeira de 2008 enquanto frequentava a Universidade de Zhejiang, começou a usar modelos de aprendizado profundo dependentes de GPU para negociação de ações em 21 de outubro de 2016, substituindo modelos lineares anteriores baseados em CPU. No final de 2017, a maior parte das negociações da High-Flyer era impulsionada por IA.
Em 2019, a High-Flyer construiu seu primeiro cluster de computação, o Fire-Flyer, a um custo de 200 milhões de yuans. O cluster continha 1.100 GPUs interconectadas a 200 Gbit/s e foi aposentado após 1,5 anos de operação. Em 2021, Liang havia começado a comprar grandes quantidades de GPUs Nvidia para um projeto de IA, supostamente obtendo 10.000 GPUs Nvidia A100 antes de os Estados Unidos restringirem as vendas de chips à China.
A construção do Fire-Flyer 2 começou em 2021 com um orçamento de 1 bilhão de yuans. Em 2022, a capacidade do Fire-Flyer 2 foi utilizada em mais de 96%, totalizando 56,74 milhões de horas de GPU, com 27% de sua capacidade apoiando computação científica fora da empresa. O cluster tinha 5.000 GPUs PCIe A100 em 625 nós, cada um contendo 8 GPUs, e posteriormente incorporou NVLinks e a Nvidia Collective Communications Library (NCCL) para treinar modelos maiores que exigem paralelismo de modelo.
Fundação e Desenvolvimento Inicial
Em 14 de abril de 2023, a High-Flyer anunciou o lançamento de um laboratório de pesquisa em inteligência artificial geral (AGI), afirmando que o novo laboratório se concentraria no desenvolvimento de ferramentas de IA não relacionadas ao negócio financeiro da empresa. Dois meses depois, em 17 de julho de 2023, esse laboratório foi desmembrado em uma empresa independente chamada DeepSeek, com a High-Flyer como principal investidora e apoiadora. Inicialmente, os investidores de capital de risco relutaram em fornecer financiamento, pois consideravam improvável que o empreendimento conseguisse gerar rapidamente uma saída.
A DeepSeek está sediada em Hangzhou, Zhejiang, e é de propriedade e financiada pela High-Flyer. Seu cofundador, Liang Wenfeng, atua como CEO. Em maio de 2024, Liang detinha pessoalmente uma participação de 84% na DeepSeek por meio de duas empresas de fachada. A estratégia da empresa enfatiza a pesquisa em detrimento da comercialização imediata, permitindo-lhe contornar certas disposições das regulamentações chinesas de IA voltadas para tecnologias voltadas ao consumidor.
Lançamento do DeepSeek-R1
O DeepSeek-R1 foi lançado em janeiro de 2025, juntamente com o lançamento do chatbot homônimo da empresa. O lançamento do modelo gerou cobertura significativa da mídia e reações do mercado, pois seu desempenho rivalizava com o dos principais modelos ocidentais, como os da OpenAI e da Anthropic, embora supostamente tenha sido treinado a uma fração do custo. O lançamento foi visto como uma demonstração das crescentes capacidades da China em inteligência artificial e um desafio à suposição de que o desenvolvimento avançado de IA exigia recursos computacionais massivos.
A natureza de pesos abertos do modelo significava que seus parâmetros eram compartilhados publicamente, permitindo que pesquisadores e desenvolvedores em todo o mundo o baixassem e ajustassem. Isso contrastava com as abordagens proprietárias de muitas empresas ocidentais de IA, que mantinham os pesos de seus modelos confidenciais. O lançamento do DeepSeek-R1 também destacou a capacidade da empresa de inovar sob as restrições de exportação de chips dos EUA, pois ela refinou seus algoritmos para maximizar a eficiência computacional usando hardware mais antigo.
Aspectos Técnicos e Operacionais
O DeepSeek-R1 é construído sobre a arquitetura transformer, a base da maioria dos modelos de linguagem de grande porte modernos. O treinamento do modelo aproveitou o cluster de computação Fire-Flyer 2, que consiste em uma arquitetura de software e hardware co-projetada. O lado do hardware usa GPUs Nvidia com interconexões de 200 Gbps, divididas em duas zonas que suportam tarefas entre zonas. A topologia de rede consiste em duas árvores gordas, escolhidas por sua alta largura de banda de bisecção.
O lado do software inclui o 3FS (Fire-Flyer File System), um sistema de arquivos paralelo distribuído projetado para leituras aleatórias assíncronas usando Direct I/O e RDMA Read. Diferentemente do Buffered I/O padrão, o Direct I/O não armazena dados em cache, o que é benéfico, pois cada dado lido é aleatório e não é reutilizado. O cluster também usa o hfreduce, uma biblioteca de comunicação assíncrona originalmente projetada para substituir a Nvidia Collective Communications Library (NCCL) em certas operações.
A abordagem de treinamento da DeepSeek enfatiza a eficiência, permitindo que a empresa alcance desempenho competitivo apesar das restrições de hardware. A empresa afirmou que se concentra em pesquisa e não tem planos imediatos de comercialização, o que lhe permitiu priorizar a inovação técnica em detrimento das pressões do mercado.
Impacto no Mercado e Recepção
O lançamento do DeepSeek-R1 em janeiro de 2025 teve um impacto significativo nos mercados financeiros globais, particularmente nas ações de tecnologia. O desempenho do modelo, combinado com relatos de seus baixos custos de treinamento, levou a uma liquidação de ações de empresas consideradas líderes em infraestrutura de IA, como a Nvidia e outros fabricantes de chips. O evento foi amplamente interpretado como um sinal de que o cenário competitivo da IA estava mudando, com modelos de código aberto da China potencialmente perturbando a dominância das empresas de IA sediadas nos EUA.
O DeepSeek-R1 recebeu elogios por suas capacidades de raciocínio, que eram comparáveis ou superiores às dos principais modelos proprietários em certos benchmarks. A natureza de pesos abertos do modelo também facilitou sua adoção por provedores de nuvem, incluindo Microsoft Azure e Perplexity AI, que o hospedaram nativamente. Essa ampla disponibilidade contribuiu para sua popularidade entre pesquisadores e desenvolvedores.
No entanto, o lançamento também levantou preocupações sobre as implicações dos modelos de pesos abertos para a segurança e a regulamentação da IA. Alguns especialistas argumentaram que a ampla disponibilidade de modelos de raciocínio poderosos poderia representar riscos, enquanto outros receberam bem a democratização da tecnologia de IA. O evento gerou discussões sobre a necessidade de cooperação internacional na governança da IA, particularmente à luz das tensões geopolíticas entre os EUA e a China.
Contexto Mais Amplo e Direções Futuras
O lançamento do DeepSeek-R1 faz parte de uma tendência mais ampla de empresas chinesas de IA desenvolvendo modelos competitivos apesar dos controles de exportação dos EUA. A DeepSeek refinou continuamente seus algoritmos para maximizar a eficiência computacional, aproveitando hardware mais antigo e reduzindo o consumo de energia. A empresa também se expandiu para a África, oferecendo soluções de IA mais acessíveis e menos intensivas em energia, e reforçou os modelos de línguas africanas, gerando uma série de startups, por exemplo, em Nairóbi. Juntamente com os serviços de armazenamento e computação em nuvem da Huawei, o impacto no cenário tecnológico da África subsaariana é considerável, com a DeepSeek oferecendo soberania local de dados e mais flexibilidade em comparação com as plataformas ocidentais de IA.
A abordagem de contratação da empresa enfatiza habilidades em vez de longa experiência de trabalho, resultando em muitas contratações recém-saídas da universidade. A DeepSeek também recruta indivíduos sem formação em ciência da computação para expandir a gama de conhecimentos incorporados aos modelos, por exemplo, em poesia ou matemática avançada. De acordo com o The New York Times, dezenas de pesquisadores da DeepSeek têm ou tiveram afiliações com laboratórios do Exército de Libertação Popular e os Sete Filhos da Defesa Nacional. Desde 2025, seu chatbot foi adotado em funções não combatentes pelo Exército de Libertação Popular, incluindo hospitais, a polícia paramilitar do Povo Armado e organizações de mobilização nacional.
No início de 2025, o DeepSeek-R1 continua sendo um ponto de referência significativo na comunidade de IA, ilustrando o potencial do desenvolvimento de código aberto e a crescente competição global em IA generativa. O lançamento do modelo levou outras empresas a reconsiderar suas estratégias, com algumas explorando abordagens mais abertas para a distribuição de modelos. O impacto de longo prazo do DeepSeek-R1 na indústria de IA ainda está se desenrolando, mas seu efeito imediato nos mercados e no discurso público tem sido profundo.