DeepSeek V3

DeepSeek V3 ist das Flaggschiff-Sprachmodell des chinesischen KI-Startups DeepSeek, das Anfang 2025 weltweit für Aufsehen sorgte. Mit 671 Milliarden Parametern in einer Mixture-of-Experts-Architektur erreicht DeepSeek V3 Leistungswerte, die mit GPT-4 und Claude vergleichbar sind, wurde jedoch zu einem Bruchteil der Kosten trainiert. Das Modell ist vollständig Open Source unter einer permissiven MIT-Lizenz veröffentlicht, was es zu einem Meilenstein in der Demokratisierung von KI-Technologie macht.

Die Chat-Oberfläche unter chat.deepseek.com bietet kostenlosen Zugang zum vollständigen DeepSeek V3-Modell ohne wesentliche Nutzungsbeschränkungen. Nutzer können komplexe Textaufgaben, Programmierung, mathematische Berechnungen und analytische Fragestellungen bearbeiten. Das Modell zeigt besondere Stärken in den Bereichen Mathematik, Logik und Code-Generierung, wo es in zahlreichen Benchmarks mit den führenden proprietären Modellen gleichzieht oder diese sogar übertrifft.

DeepSeek V3 nutzt eine innovative Mixture-of-Experts-Architektur, bei der pro Anfrage nur ein kleiner Teil der Parameter aktiviert wird. Dies ermöglicht eine außergewöhnlich hohe Effizienz sowohl beim Training als auch bei der Inferenz. Das Modell unterstützt einen Kontextfenster von 128.000 Tokens und kann damit auch sehr lange Dokumente und Konversationen verarbeiten.

Die Multi-Token-Prediction-Technik sorgt zusätzlich für schnellere Antwortgenerierung. Allerdings gibt es berechtigte Bedenken hinsichtlich des Datenschutzes: DeepSeek ist ein chinesisches Unternehmen, und die Nutzungsbedingungen unterliegen chinesischem Recht. Es ist unklar, in welchem Umfang Konversationsdaten gespeichert oder geteilt werden.

Für datenschutzsensible Anwendungen empfiehlt sich das Self-Hosting des Open-Source-Modells. Trotz dieser Einschränkungen hat DeepSeek V3 die KI-Branche nachhaltig verändert und gezeigt, dass Spitzenleistung nicht zwingend milliardenschwere Investitionen erfordert.