Was ist Deepseek und warum sollte ChatGPT besorgt sein?

Zusammenfassung

• DeepSeek ist Open Source und funktioniert genauso gut wie Top-KI-Modelle, trainiert für viel weniger
• Es wurde von chinesischen Ingenieuren entwickelt und kann komplexe Modelle komprimieren und lokal auf Low-End-Hardware ausgeführt werden.
• Es gibt Bedenken hinsichtlich seiner Ursprünge und möglicher Verzerrungen.

Das Internet ist voll von dem Namen "DeepSeek". Die Aktienkurse von KI-Unternehmen wie OpenAI und NVIDIA stürzen ab, und KI-Enthusiasten reiben sich auf der ganzen Welt vor Freude die Hände. Warum ist dieser Neuling in der KI-Welt eine so große Sache?

DeepSeek ist eine Open-Source-KI mit großen Ansprüchen

Wie GPT-o1 oder Claude oder Lama oder einer der aktuellen KI-Lieblinge ist DeepSeek ein generatives KI-Modell. Nun, es ist genauer zu sagen, dass es sich um eine Gruppe von KI-Modellen handelt, bei denen es sich um Varianten handelt, die für verschiedene Anwendungen entwickelt wurden.

Anders als beispielsweise die GPT-Modelle von OpenAI ist DeepSeek Open Source unter der MIT-Lizenz, die eine kommerzielle Nutzung ermöglicht. Das bedeutet, dass das gesamte Innenleben des Modells offen ist. Jeder kann es verwenden, ohne Lizenzgebühren jeglicher Art zu zahlen, und es gibt nichts, was jemanden daran hindert, die bereits geleistete Arbeit zu modifizieren oder darauf aufzubauen. Dies ist einer der Hauptgründe, warum DeepSeek zu einer kurzfristigen Marktstörung geführt hat, die sich in eine langfristige Marktkorrektur verwandeln könnte.

Das alles spielt jedoch keine Rolle, wenn DeepSeek nicht gut ist. Der andere wichtige Faktor, der in aller Munde über dieses KI-Modell spricht, ist seine Leistung. In KI-Benchmarks schneidet DeepSeek genauso gut ab wie GPT-o1 und andere erstklassige generative Modelle. In manchen Fällen sogar besser. Das ist natürlich etwas, das jeder überprüfen kann, aber die wirklich schockierende Behauptung ist, wie viel es gekostet hat, dieses Modell zu entwickeln.

DeepSeek behauptet, dass das Modell für weniger als sechs Millionen Dollar trainiert wurde. Das klingt nach viel Geld, bis man bedenkt, dass die Modelle, mit denen es gehandelt wird, mehr als hundert Millionen Dollar kosten, um sie zu trainieren. Darüber hinaus wurde DeepSeek auf weniger leistungsfähiger Hardware trainiert als das, was US-Unternehmen wie OpenAI zur Verfügung steht. Natürlich ist dies eine der Behauptungen, die nicht so leicht zu überprüfen ist, und es ist möglich, dass der angegebene Betrag viel geringer ist als die Wahrheit. Im Moment gibt es jedoch keinen Beweis dafür, dass die Kosten höher waren als behauptet.

Die letzte "große Sache", die ich über DeepSeek erwähnenswert finde, ist, wie es verwendet wurde, um große, dichte und rechenintensive Modelle wie Llama in kleinere Modelle mit vergleichbaren Denkfähigkeiten zu "destillieren". Grundsätzlich trainiert DeepSeek ein Modell mit größeren, komplexeren Modellen, um seine Ausgaben nachzuahmen, ohne all die komplexen Machenschaften unter der Haube. Es komprimiert effektiv größere Modelle in kleinere mit (bisher) wenigen offensichtlichen Nachteilen. Dies ist ein großer Sprung für die lokale Ausführung komplexer Modelle, die weniger Strom verbrauchen und weniger Hardware benötigen.

DeepSeek wurde von chinesischen Ingenieuren entwickelt

DeepSeek ist ein Start-up unter der Leitung von Liang Wenfeng (39), der zunächst als Hedgefonds-Manager erfolgreich war. Genauer gesagt, ein quantitativer Hedgefonds-Manager. Dabei handelt es sich um einen Anlageansatz, der maschinelles Lernen nutzt, um Markttrends vorherzusagen, damit Anleger davon profitieren können. Aus diesem Grund hatte Wenfeng bereits Zugang zu der leistungsstarken Hardware, die zum Trainieren eines solchen Modells benötigt wurde.

DeepSeek scheint so etwas wie ein Leidenschaftsprojekt zu sein, und es geht nicht darum, es zu einem gewinnorientierten Unterfangen zu machen. In der Tat wurde das Modell bereits an alle verschenkt, da es Open Source ist. Ironischerweise könnten die US-Embargos gegen leistungsstarke KI-Chips von Unternehmen wie NVIDIA ein Grund dafür gewesen sein, dass die Entwickler von DeepSeek gezwungen waren, es so effizient zu machen.

Sie können DeepSeek jetzt ausprobieren

Wenn Sie die DeepSeek-Website besuchen, erhalten Sie Zugriff auf die App sowie Links zu den aktuellen Modellen zum Herunterladen und Verwenden auf Ihrer eigenen Hardware. Der einfachste Weg, eine Version von DeepSeek auf Ihrer eigenen Hardware auszuführen, ist die Verwendung von Ollama.

Natürlich werden Sie das DeepSeek-Modell auf GPT-o1-Niveau in absehbarer Zeit nicht auf Ihrem Laptop ausführen, aber für High-End-GPUs und RAM im Wert von ein paar tausend Dollar ist es durchaus möglich. Es gibt natürlich viele kleinere DeepSeek-Modelle, die nicht ganz so gut sind, aber auf dem Rechner, den Sie wahrscheinlich jetzt haben, gut laufen. Es gibt sogar eine Version, die (nur) auf einem Raspberry Pi läuft.

Es gibt einige besondere Bedenken bei DeepSeek

Wenn man bedenkt, dass Teile der DeepSeek-Geschichte für einige Experten in der KI-Branche zu schön erscheinen mögen, um wahr zu sein, und dass sie aus China stammt, was Bedenken hinsichtlich Voreingenommenheit, Zensur und sogar Cybersicherheit aufkommen lässt, ist es keine Überraschung, dass es ein gewisses Zögern gegenüber DeepSeek gibt.

Stellen Sie der online gehosteten Version des LLM Fragen, die für die aktuelle chinesische Regierung sensibel sind, und sie ist möglicherweise nicht so offen, wie Sie vielleicht erwarten. Da der Code jedoch für alle offen ist, kann jeder anpassen, wie er sich verhält, wenn er das Wissen dazu hat. Diese Bedenken können grundsätzlich ausgeräumt werden.

DeepSeek steckt noch in den Kinderschuhen, und es wird einige Zeit dauern, bis man sieht, wie sich die Dinge entwickeln werden, aber eines habe ich ohne Zweifel ist, dass die generative KI-Branche gerade ihren ersten großen Paradigmenwechsel vollzogen hat, seit ChatGPT zum ersten Mal der Öffentlichkeit vorgestellt wurde.