Vom Hedgefonds zum KI-Labor
DeepSeek (chinesisch 深度求索) wurde im Juli 2023 in Hangzhou gegründet und ging aus dem quantitativen Hedgefonds High-Flyer hervor. Gründer Liang Wenfeng hatte dort bereits vor der Gründung große GPU-Cluster für Handelsmodelle aufgebaut – eine Rechenbasis, die dem Labor einen ungewöhnlichen Start ermöglichte. Anders als die meisten chinesischen KI-Startups verzichtete DeepSeek lange auf externes Wagniskapital und auf ein klassisches Produktgeschäft und positionierte sich stattdessen als reines Forschungslabor mit dem erklärten Ziel, künstliche allgemeine Intelligenz effizient und offen zu entwickeln.
Effizienz als Strategie
Der technische Kern von DeepSeek ist konsequente Effizienz. Mit DeepSeek-V2 führte das Team Multi-Head Latent Attention ein, mit V3 eine Mixture-of-Experts-Architektur, bei der von 671 Milliarden Parametern pro Token nur rund 37 Milliarden aktiviert werden. Zusammen mit FP8-Training und optimierter Kommunikation zwischen den GPUs senkte das die Trainingskosten drastisch: Das Unternehmen beziffert die reine Rechenzeit für V3 auf etwa 5,6 Millionen US-Dollar – ein Bruchteil dessen, was für vergleichbare westliche Modelle veranschlagt wird. Diese Effizienz ist auch eine Antwort auf die US-Exportkontrollen für Hochleistungschips: Wer weniger Rechenleistung zur Verfügung hat, muss algorithmisch besser werden.
Der R1-Moment
Im Januar 2025 veröffentlichte DeepSeek das Reasoning-Modell R1 unter MIT-Lizenz. R1 zeigt seine Gedankenkette offen und erreichte in Mathematik-, Code- und Logik-Benchmarks Werte auf dem Niveau führender proprietärer Modelle. Entscheidend war weniger der Benchmark selbst als die Kombination aus offenen Gewichten, sehr niedrigen API-Preisen und der Erkenntnis, dass Reasoning-Fähigkeiten primär über Reinforcement Learning statt über schiere Modellgröße entstehen. Die Veröffentlichung löste weltweit Kursbewegungen bei KI- und Halbleiterwerten aus und gilt seither als Wendepunkt in der Wahrnehmung chinesischer KI-Forschung.
Ökosystem und Kritik
DeepSeek-Modelle sind über Hugging Face frei verfügbar und werden von Cloud-Anbietern, Chipherstellern und zahllosen Startups als Basis genutzt. Gleichzeitig steht das Unternehmen in der Kritik: Datenschutzbehörden mehrerer Länder prüften die Consumer-App wegen Datenübermittlung nach China, und die Modelle unterliegen inhaltlichen Beschränkungen zu politisch sensiblen Themen. Für den Einsatz relevant ist deshalb die Unterscheidung zwischen der gehosteten App beziehungsweise API in China und dem selbst betriebenen Open-Weight-Modell.