Chinas DeepSeek debütiert mit einem KI-Modell der nächsten Generation, um GPT-5 zu rivalisieren. Aber ist es gut genug?

Chinas Tech-Wunderkind DeepSeek hat ein neues experimentelles Modell, V3.2-Exp, als Teil seines Versuchs gestartet, die amerikanische Dominanz in der KI herauszufordern. Die Veröffentlichung erfolgte am Montag und wurde erstmals durch einen Beitrag auf Hugging Face, einem beliebten KI-Forum, öffentlich gemacht.

DeepSeek behauptet, dass diese neueste Version auf seinem aktuellen Modell V3.1-Terminus aufbaut, jedoch mit stärkerem Fokus auf Geschwindigkeit, Kosten und Speicherverwaltung.

Laut Adina Yakefu, der chinesischen Community-Leiterin von Hugging Face, verfügt das Modell über etwas namens DeepSeek Sparse Attention (DSA), das sie als „verbessert die Fähigkeit der KI, mit langen Dokumenten und Gesprächen umzugehen“ beschreibt, während gleichzeitig die Betriebskosten halbiert werden.

Wenn Sie sich erinnern, stürzte DeepSeek vor etwa einem Jahr ab und warf die Dinge durcheinander, indem es sein erstes Modell, R1, ohne Vorwarnung veröffentlichte. Dieses Modell zeigte, dass es möglich ist, ein großes Sprachmodell mit weniger Chips und viel weniger Rechenleistung zu trainieren. Niemand hätte erwartet, dass ein chinesisches Team das unter diesen Einschränkungen schaffen würde. Mit V3.2-Exp hat sich das Ziel nicht geändert: weniger Hardware, mehr Leistung.

Fügt DeepSeek Sparse Attention hinzu und reduziert die KI-Betriebskosten

DSA ist das große Feature in diesem Modell. Es verändert, wie die KI auswählt, auf welche Informationen sie zugreifen soll. Anstatt alles zu scannen, trainiert DeepSeek das Modell, sich nur auf das zu konzentrieren, was für die Aufgabe nützlich erscheint. Adina erklärte, dass der Nutzen hier zweifach ist: „Effizienz“ und „Kostenreduzierung.“

Indem es irrelevante Daten überspringt, bewegt sich das Modell schneller und benötigt weniger Energie. Sie sagte, das Modell sei mit dem Gedanken an Open-Source-Kollaboration entworfen worden.

Nick Patience, der die KI-Forschung bei The Futurum Group leitet, sagte gegenüber CNBC, dass das Modell das Potenzial hat, leistungsstarke KI-Tools für Entwickler zugänglich zu machen, die sich keine teureren Modelle leisten können. „Es sollte das Modell schneller und kosteneffizienter machen, ohne dass es zu einem spürbaren Leistungsabfall kommt“, sagte Nick. Aber das bedeutet nicht, dass es keine Risiken gibt.

Die Art und Weise, wie DeepSeek sparsame Aufmerksamkeit nutzt, ähnelt der Art und Weise, wie Fluggesellschaften Flugrouten auswählen. Es gibt möglicherweise Hunderte von Wegen, um von einem Ort zum anderen zu gelangen, aber nur wenige machen Sinn. Das Modell filtert durch das Rauschen und konzentriert sich auf das, was wichtig ist – oder zumindest auf das, was es für wichtig hält.

Doch dies geht mit Bedenken einher. Ekaterina Almasque, die BlankPage Capital mitgegründet hat, erklärte es einfach: „Im Grunde genommen schneidet man Dinge aus, die man für unwichtig hält.“ Das Problem, so sagte sie, ist jedoch, dass es keine Garantie dafür gibt, dass das Modell die richtigen Dinge ausschneidet.

Ekaterina, die Unternehmen wie Dataiku, Darktrace und Graphcore unterstützt hat, warnte, dass das Kürzen von Ecken später Probleme verursachen könnte. „Sie [sparsame Aufmerksamkeitsmodelle] haben viele Nuancen verloren“, sagte sie. „Und dann ist die eigentliche Frage, hatten sie den richtigen Mechanismus, um unwichtige Daten auszuschließen, oder gibt es einen Mechanismus, der wirklich wichtige Daten ausschließt, und dann wird das Ergebnis viel weniger relevant sein?“

Verbindet sich mit chinesischen Chips und veröffentlicht offenen Code

Trotz dieser Bedenken besteht DeepSeek darauf, dass V3.2-Exp genauso gut performt wie V3.1-Terminus. Das Modell kann auch direkt auf inländischen chinesischen Chips wie Ascend und Cambricon ausgeführt werden, ohne dass zusätzliche Konfigurationen erforderlich sind. Das ist entscheidend für Chinas breiteres Bestreben, KI auf inländischer Hardware aufzubauen und die Abhängigkeit von ausländischer Technologie zu reduzieren. „Out of the Box“, sagte Adina, funktioniert DeepSeek mit diesen Chips.

Das Unternehmen machte auch den vollständigen Code und die Tools des Modells öffentlich. Das bedeutet, dass jeder V3.2-Exp herunterladen, ausführen, modifizieren oder darauf aufbauen kann. Dieser Schritt stimmt mit der Open-Source-Strategie von DeepSeek überein, wirft jedoch ein weiteres Problem auf: Patente. Da das Modell offen ist und die Kernidee, die sparsame Aufmerksamkeit, seit 2015 existiert, kann DeepSeek sie nicht rechtlich schützen.

„Der Ansatz ist nicht super neu“, sagte Ekaterina. Für sie ist der einzige verteidigbare Teil der Technologie, wie DeepSeek auswählt, was es behält und was es ignoriert.

Dort liegt jetzt der eigentliche Wettbewerb. Nicht nur darin, intelligentere Modelle zu erstellen, sondern sie schneller, günstiger und schlanker zu machen – ohne die Ergebnisse zu verfälschen. Sogar DeepSeek nannte diese Version „einen Zwischenschritt hin zu unserer Architektur der nächsten Generation“, was darauf hindeutet, dass sie bereits an etwas Größerem arbeiten.

Nick sagte, das Modell zeige, dass Effizienz jetzt genauso wichtig ist wie rohe Leistung. Und Adina glaubt, dass das Unternehmen eine langfristige Strategie im Sinn hat. „DeepSeek spielt das lange Spiel, um die Community in ihren Fortschritt investiert zu halten“, sagte sie. „Die Leute werden immer das suchen, was billig, zuverlässig und effektiv ist.“