DeepSeek

DeepSeek (chinesisch 深度求索 Shēndù Qiúsuǒ, „Tiefen-Streben”) ist ein im Juli 2023 in Hangzhou gegründetes chinesisches KI-Unternehmen und die gleichnamige Familie offen verfügbarer Sprachmodelle.

Im Januar 2025 erregte es durch die Veröffentlichung des Reasoning-Modells DeepSeek-R1 substantielle internationale Aufmerksamkeit und löste einen historischen Kurssturz der NVIDIA-Aktie aus (17 Prozent Verlust, etwa 600 Milliarden US-Dollar Marktwert; Lee 2025) am 27. Januar 2025.

DeepSeek wurde von Liang Wenfeng – einem chinesischen Quant-Trader und Mitgründer des Hedgefonds High-Flyer Capital Management – gegründet und finanziert.

Zentral ist die Beobachtung, dass DeepSeeks Modelle mit substantiell geringerem Trainings-Budget (etwa 5,5 Millionen US-Dollar für DeepSeek-V3 nach Unternehmensangaben; DeepSeek-AI 2024) Leistungsniveaus erreichten, die mit den führenden Frontier-Modellen aus OpenAI, Anthropic und Google vergleichbar sind.

Die Modelle werden unter einer MIT-Lizenz veröffentlicht – eine substantiell offenere Position als die Llama Community License von Meta.

Zusammenfassung

DeepSeek entstand 2023 aus dem methodisch ungewöhnlichen institutionellen Kontext des Hedgefonds High-Flyer, der bereits ab 2019 substantiell in AI-Forschungsinfrastruktur – insbesondere NVIDIA-A100-GPUs vor dem US-Export-Verbot – investiert hatte.

Die Genealogie der DeepSeek-Modellfamilie verläuft über sieben Hauptgenerationen: DeepSeek Coder (Ende 2023, spezialisiert auf Code-Generierung), DeepSeek LLM (November 2023), DeepSeek-V2 (Mai 2024 mit Mixture-of-Experts und Multi-head Latent Attention) sowie DeepSeek-V3 (26. Dezember 2024 mit 671 Milliarden Gesamt- und 37 Milliarden aktiven Parametern; DeepSeek-AI 2024).

Es folgten DeepSeek-R1 (20. Januar 2025 als Reasoning-Modell), nachfolgende V3.1- und V3.2-Iterationen 2025 sowie DeepSeek-V4-Pro und V4-Flash (24. April 2026) als neue Flaggschiff-Generation mit integriertem Thinking/Non-Thinking-Modus.

Wirkungsmächtige Innovationen umfassen erstens die Multi-head Latent Attention (MLA, effizientere Attention-Variante), zweitens das Group Relative Policy Optimization (GRPO, effizientere PPO-Variante für RL-Training), drittens die DeepSeekMoE-Architektur mit feiner Experten-Granularität.

Die R1-Veröffentlichung wurde in der Sekundärliteratur teils als Sputnik-Moment der US-chinesischen KI-Konkurrenz bezeichnet (Britannica 2025; Stanford FSI 2025); sie führte zu substantieller US-amerikanischer industriepolitischer Aufmerksamkeit, einem historischen NVIDIA-Kurssturz und einer Neubewertung der Skalierungs-Annahmen der Frontier-Lab-Tradition.

Begriffsgeschichte

Vorgeschichte: High-Flyer und Liang Wenfeng (2008–2023)

Die Vorgeschichte DeepSeeks liegt im Hedgefonds High-Flyer Capital Management (chinesisch 幻方量化), der 2015 von Liang Wenfeng (* 1985) und zwei Kommilitonen aus seiner Zeit an der Zhejiang-Universität in Hangzhou gegründet wurde.

High-Flyer entwickelte ab 2016 KI-gestützte quantitative Handels-Strategien und erwarb zwischen 2019 und 2023 nach Eigenangaben über 10.000 NVIDIA-GPUs (Yu 2023) – eine ungewöhnliche Investitionshöhe für einen Hedgefonds, motiviert durch Liangs Überzeugung, dass KI-Forschung über das Anwendungsfeld Finanzmärkte hinaus substantielles Potenzial habe.

Im Juli 2023 gründete Liang DeepSeek als eigenständiges KI-Forschungsunternehmen, vollständig durch High-Flyer finanziert. Ungewöhnlich war die Personalstrategie: DeepSeek rekrutierte primär junge chinesische KI-Forschende – viele direkt aus Universitäten wie Peking, Tsinghua, Zhejiang – und vermied die in der chinesischen Tech-Industrie verbreitete 996-Arbeitskultur.

DeepSeek Coder und DeepSeek LLM (Ende 2023)

Die ersten öffentlich verfügbaren Modelle erschienen Ende 2023: DeepSeek Coder (November 2023) – spezialisiert auf Code-Generierung – und DeepSeek LLM (29. November 2023) in den Größen 7B und 67B Parameter. Beide Modelle wurden unter offener Lizenz veröffentlicht und erreichten zur Veröffentlichung kompetitive Open-Source-Leistung.

DeepSeek-V2 und Preiskrieg (Mai–Juni 2024)

Am 7. Mai 2024 veröffentlichte DeepSeek das DeepSeek-V2-Modell mit 236 Milliarden Gesamt- und 21 Milliarden aktiven Parametern (DeepSeek-AI 2024).

Innovationen umfassten die Multi-head Latent Attention (MLA) – eine effizientere Attention-Variante – und die DeepSeekMoE-Architektur mit feiner Experten-Granularität. Die API-Preise lagen deutlich unter denen vergleichbarer Modelle (etwa 0,14 USD/Million Input-Tokens) und lösten in China einen Preiskrieg unter den großen KI-Anbietern (ByteDance, Alibaba, Baidu, Tencent, Zhipu) aus.

DeepSeek-V3 (Dezember 2024)

Am 26. Dezember 2024 veröffentlichte DeepSeek das DeepSeek-V3-Modell mit 671 Milliarden Gesamt- und 37 Milliarden aktiven Parametern (DeepSeek-AI 2024).

Die technische Dokumentation (DeepSeek-AI, arXiv 2412.19437) berichtete substantielle Trainings-Effizienz. Das Modell wurde auf etwa 2.048 NVIDIA-H800-GPUs in etwa zwei Monaten trainiert, mit Trainingsdaten von 14,8 Billionen Tokens und einem Gesamt-Trainings-Budget von etwa 5,5 Millionen US-Dollar (DeepSeek-AI 2024) – eine Größenordnung unter den geschätzten Trainings-Kosten vergleichbarer westlicher Frontier-Modelle.

Die DeepSeek-V3-Veröffentlichung erhielt substantielle Aufmerksamkeit in der KI-Forschungs-Community, ohne zunächst breiten öffentlichen Widerhall zu finden.

DeepSeek-R1 und der Nvidia-Crash (Januar 2025)

Am 20. Januar 2025 veröffentlichte DeepSeek das Reasoning-Modell DeepSeek-R1 (DeepSeek-AI, arXiv 2501.12948). R1 wurde durch Group Relative Policy Optimization (GRPO) trainiert – eine effizientere PPO-Variante – und erreichte auf vielen Reasoning-Benchmarks Leistungs-Niveaus vergleichbar mit OpenAIs o1-Modell.

Anders als OpenAI veröffentlichte DeepSeek sowohl die Modell-Gewichte unter MIT-Lizenz als auch die interne Reasoning-Spur (chain-of-thought) – eine Transparenz, die in der Forschungs-Community substantielle Aufmerksamkeit erregte.

Der DeepSeek-Chatbot (App-Veröffentlichung 10. Januar 2025) erreichte am 27. Januar 2025 die Spitzenposition der kostenfreien Apps im US-amerikanischen Apple App Store.

Am selben Tag erlebten US-Tech-Aktien einen historischen Kurssturz: NVIDIA verlor 17 Prozent (etwa 600 Milliarden US-Dollar Marktwert – der größte Tages-Verlust eines einzelnen Unternehmens in der US-Börsengeschichte; Lee 2025). Insgesamt wurden an diesem Tag etwa 1 Billion US-Dollar Marktwert aus dem US-Tech-Sektor entfernt.

Folgewirkungen und politische Aufmerksamkeit (Februar 2025 ff.)

Donald Trump bezeichnete die DeepSeek-Veröffentlichung am 27. Januar 2025 öffentlich als „wake-up call” für die US-amerikanische Tech-Industrie. Sam Altman (OpenAI) bezeichnete DeepSeek-R1 in einer Stellungnahme als „impressive model”. Liang Wenfeng wurde Anfang Februar 2025 zu einem Symposium des chinesischen Premiers Li Qiang eingeladen – methodisch eine politische Aufwertung.

In den USA folgten verschärfte Export-Kontrollen für KI-Halbleiter und Diskussionen über die Wirksamkeit der bisherigen Beschränkungen (Biden-Administration, Trump-Administration ab Januar 2025).

DeepSeek-V3.1 und V3.2 (2025)

DeepSeek hat im Verlauf von 2025 mehrere Iterationen veröffentlicht: DeepSeek-V3.1 (Juli 2025) sowie DeepSeek-V3.2-Exp (September 2025) mit DeepSeek Sparse Attention. Eine offiziell als „R2” gebrandete Modell-Version ließ sich nicht bestätigen; die Reasoning-Weiterentwicklung scheint stattdessen in der nachfolgenden V4-Generation aufgegangen zu sein.

DeepSeek-V4-Pro und V4-Flash (April 2026)

Am 24. April 2026 veröffentlichte DeepSeek DeepSeek-V4-Pro (1,6 Billionen Gesamt- und 49 Milliarden aktive Parameter) und DeepSeek-V4-Flash (284 Milliarden Gesamt- und 13 Milliarden aktive Parameter; DeepSeek-AI 2026) – die neue Flaggschiff-Generation, die DeepSeek-V3.2 als dominante Variante ablöst. Beide Modelle integrieren einen kombinierten Thinking/Non-Thinking-Modus in einem einzigen Modell sowie ein Kontextfenster von 1 Million Tokens.

Laut offizieller API-Dokumentation sollten die Legacy-Endpunkte deepseek-chat und deepseek-reasoner zum 24. Juli 2026 abgeschaltet werden.

Methodische Grundlagen

Multi-head Latent Attention (MLA)

Eine eigenständige Innovation der DeepSeek-V2-Architektur: MLA komprimiert die Key-Value-Cache-Größe substantiell, was effizientere Inferenz bei langen Kontexten ermöglicht. Die Pointe: Statt separate Keys und Values für jeden Aufmerksamkeits-Kopf zu speichern, werden Latent-Vektoren komprimiert gespeichert und zur Inferenzzeit projiziert.

DeepSeekMoE-Architektur

DeepSeek verwendet eine MoE-Variante mit besonders feiner Experten-Granularität – mehr und kleinere Experten als bei vergleichbaren Modellen. Diese Wahl ermöglicht differenziertere Spezialisierung und effizientere Inferenz.

Group Relative Policy Optimization (GRPO)

Eine wirkungsmächtige RL-Variante: GRPO ersetzt den expliziten Value-Critic der klassischen PPO-Pipeline durch eine Gruppen-basierte Baseline-Schätzung. Das Training wird dadurch substantiell speicher- und compute-effizienter.

Reasoning-Training via reines RL

Besonders wirkungsmächtig: DeepSeek-R1-Zero wurde durch reines RL ohne Supervised-Fine-Tuning-Vorbereitung trainiert. Das Modell entwickelte emergent komplexes Reasoning-Verhalten, einschließlich eines beobachteten „Aha-Moments”, in dem das Modell beim Lösen schwieriger Probleme explizit eine eigene Reasoning-Strategie revidierte.

Open-Weights-Strategie

DeepSeek veröffentlicht die Modell-Gewichte unter MIT-Lizenz – substantiell offener als Meta-Llama. Begleitende technische Reports dokumentieren ungewöhnlich transparent die Trainings-Pipeline.

Hardware-Anpassung

DeepSeek trainiert primär auf NVIDIA-H800-GPUs – der für den chinesischen Markt aufgrund US-Exportbeschränkungen verfügbaren reduzierten Variante der H100. Die Anpassung der Trainings-Pipeline an diese hardware-bedingte Einschränkung ist Gegenstand Sekundärliteratur.

Anwendungsfelder

Konsumenten-Anwendung

Die DeepSeek-Chat-App (verfügbar in Apple App Store, Google Play sowie als Web-Version) ist Stand 2025/2026 ein substantieller Konsumenten-Chatbot mit mehreren zehn Millionen Nutzer:innen.

Forschung und Open-Source-Ökosystem

DeepSeek-Modelle sind zentrale Forschungsbasis und werden in zahlreichen Hugging-Face-Distributions-Strömen verwendet. DeepSeek-R1 wurde wirkungsmächtig als Grundlage für distillierte kleinere Modelle (R1-Distill-Qwen, R1-Distill-Llama).

Code-Generierung

DeepSeek Coder und nachfolgende Code-spezifische Varianten sind in zahlreichen Entwickler-Workflows etabliert.

Enterprise-Integration

Über Cloud-Anbieter (Amazon Bedrock, Microsoft Azure ab 2025, in Europa über mehrere Anbieter) ist DeepSeek methodisch verfügbar – wobei die US-amerikanische und europäische Integration in 2025 von substantieller politischer Aufmerksamkeit begleitet wird.

Kontroversen und Kritik

Trainings-Kosten-Angaben

Die DeepSeek-Angabe eines Trainings-Budgets von 5,5 Millionen US-Dollar für DeepSeek-V3 (DeepSeek-AI 2024) ist teils umstritten.

Kritik betont, dass diese Zahl ausschließlich die finale Trainings-Phase abdeckt, nicht aber die Vorlaufkosten (Research-Personal, vorherige Modell-Iterationen, GPU-Investitionen). Dario Amodei hat in einem öffentlichen Essay im Januar 2025 argumentiert, dass die tatsächlichen DeepSeek-Investitionen substantiell höher liegen müssten.

Sicherheits- und Datenschutz-Aufmerksamkeit

DeepSeek ist Stand 2025/2026 Gegenstand verschiedener Sicherheits- und Datenschutz-Untersuchungen. Die DeepSeek-Datenschutz-Praxis (Daten-Speicherung in China, Zensur bestimmter politisch sensibler Themen) wird in westlichen Sicherheits-Analysen methodisch kritisch diskutiert. Mehrere Regierungen (Italien, Südkorea, Australien, Taiwan, US-Bundesstaaten Texas und Virginia) haben temporäre oder dauerhafte Verwendungs-Einschränkungen verhängt.

Inhaltliche Zensur

DeepSeek-R1 verweigert methodisch Antworten zu politisch sensiblen Themen – Tiananmen 1989, Taiwan-Status, Xi Jinping-Kritik, Uigurische Lage in Xinjiang. Analysen (Promptfoo Januar 2025, weitere) dokumentieren die Zensur-Muster systematisch.

Geopolitische Aufmerksamkeit

Die DeepSeek-Veröffentlichung führte zu intensiver US-amerikanischer industriepolitischer Aufmerksamkeit. Die Diskussion umfasst US-Export-Kontrollen, mögliche Sanktionen, Bedenken bezüglich Spionage und industrieller Konkurrenz. Im April 2025 entschied der US-Kongress in einer Anhörung , weitere Untersuchungen einzuleiten.

Skalierungs-Annahmen-Neubewertung

Die DeepSeek-Veröffentlichung führte zu einer breiten Neubewertung der Skalierungs-Annahmen der Frontier-Lab-Tradition. Die Beobachtung, dass kompetitive Leistung mit substantiell geringerem Compute-Budget möglich sei, hat Konsequenzen für Investitions-Erwartungen und industriepolitische Strategien.

Wettbewerb mit Llama und proprietären Modellen

DeepSeek konkurriert mit Meta-Llama um die Position des wirkungsmächtigsten Open-Source-LLM. Beobachter argumentieren teils, dass DeepSeek offener (MIT-Lizenz statt Community-Lizenz) und in einigen Benchmarks leistungsfähiger ist.

Stand 2025/2026

Stand Mai 2026 ist DeepSeek einer der wichtigsten globalen Akteure im Open-Source-LLM-Bereich. Die dominanten Varianten sind seit der Veröffentlichung am 24. April 2026 DeepSeek-V4-Pro und DeepSeek-V4-Flash sowie nachgelagerte distillierte Varianten; die Legacy-Modelle DeepSeek-V3.2 (über die Endpunkte deepseek-chat/deepseek-reasoner) sollten laut offizieller API-Dokumentation zum 24. Juli 2026 abgeschaltet werden.

Eine offiziell bestätigte, als „R2” gebrandete Modell-Version existiert nicht – entsprechende Gerüchte ließen sich nicht verifizieren.

Die Wirkung der DeepSeek-Veröffentlichungen reicht über die unmittelbare Modell-Konkurrenz hinaus: Skalierungs-Annahmen, US-chinesische industriepolitische Strategien, Open-Source-Lizenz-Praktiken und Trainings-Methodologien sind Stand 2025/2026 substantiell durch DeepSeek-Beiträge geprägt.

DeepSeek-Modelle sind im EU AI Act als GPAI mit systemischem Risiko eingestuft, sofern sie die 10^25-FLOPs-Schwelle übersteigen. DeepSeek hat den General-Purpose AI Code of Practice der EU-Kommission (Juli 2025) nicht unterzeichnet – eine Position, die in der Sekundärliteratur unterschiedlich rezipiert wird.

Offene Fragen umfassen die langfristige Wettbewerbsdynamik, die methodische Klärung der politischen und regulatorischen Behandlung in westlichen Märkten, die methodische Verbindung zu chinesischer KI-Industriepolitik und die Wirkung der DeepSeek-Veröffentlichungen auf globale KI-Forschungs-Methodologien.

Verwandte Begriffe

• Liang Wenfeng – Gründer
• Llama – konkurrierende Open-Source-Modellfamilie
• Reasoning Models – Anwendungslinie (R1)
• Mixture-of-Experts (MoE) – Architektur
• Reinforcement Learning – Trainings-Grundlage
• Foundation Models – übergeordneter Begriff
• Multi-head Latent Attention (MLA) – Innovation

Quellenangaben

1. Amodei, Dario, 2025. On DeepSeek and Export Controls. darioamodei.com, Januar 2025.
2. DeepSeek-AI, 2026. DeepSeek V4 Preview Release. DeepSeek API Docs, 24. April 2026. https://api-docs.deepseek.com/news/news260424/
3. DeepSeek-AI, 2024. DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model. arXiv: 2405.04434.
4. DeepSeek-AI, 2024. DeepSeek-V3 Technical Report. arXiv: 2412.19437.
5. DeepSeek-AI / Guo, Daya / Yang, Dejian u. a., 2025. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. arXiv: 2501.12948. Später erschienen als DeepSeek-R1 Incentivizes Reasoning in LLMs through Reinforcement Learning. In: Nature 645 (8081), S. 633–638.
6. DeepSeek-AI, 2024. DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models. arXiv: 2401.06066.
7. DeepSeek-AI, 2024. DeepSeek LLM: Scaling Open-Source Language Models with Longtermism. arXiv: 2401.02954.
8. Europäische Union, 2024. Verordnung (EU) 2024/1689 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz. In: Amtsblatt der Europäischen Union L, 2024/1689, 12. Juli 2024. (Artikel 9 Risikomanagementsystem; Artikel 17 Qualitätsmanagementsystem.)
9. Guo, Daya u. a., 2024. DeepSeek-Coder: When the Large Language Model Meets Programming – The Rise of Code Intelligence. arXiv: 2401.14196.
10. Italian Data Protection Authority (Garante), 2025. Intelligenza artificiale: il Garante privacy blocca DeepSeek. garanteprivacy.it, 30. Januar 2025.
11. Lee, Timothy, 2025. I Don’t Believe DeepSeek Crashed Nvidia’s Stock. Understanding AI, 28. Januar 2025.
12. Promptfoo, 2025. 1,156 Questions Censored by DeepSeek. promptfoo.dev, Januar 2025.
13. Mok, Charles, 2025. Taking Stock of the DeepSeek Shock. Stanford Cyber Policy Center / Freeman Spogli Institute for International Studies, 5. Februar 2025.
14. Teekah, Ethan, 2025. DeepSeek: Rise, Technologies, Impact, and Global Response. Encyclopædia Britannica Money.
15. Yu, Lili (36Kr), 2023. The Deep Roots of DeepSeek: How It All Began. Übers. in Recode China AI, Mai 2023.

← Zurück zur Lexikon-Übersicht