DeepSeek: offene Modelle und KI-Assistent, mit V3 und R1 auf zwei Spuren

DeepSeek ist eine Familie offener Modelle und ein KI-Assistent von DeepSeek (unter dem Dach von High-Flyer), ausgerichtet auf die Basismodelle und Techniken allgemeiner künstlicher Intelligenz. Für Nutzer bedeutet das zweierlei: einen Assistenten, den man im Browser öffnet und mit dem man spricht, und offene Gewichte, die man herunterladen und selbst betreiben kann.

Auf der Modellseite gibt es zwei Hauptspuren. Die allgemeine vertritt DeepSeek-V3 mit Mixture-of-Experts-Architektur, 671B Gesamtparametern und 37B pro Token aktiviert, 128K Kontext und Generierungsraten bis 60 TPS; das spätere V3.2 ergänzt DSA, eine feinkörnige sparse Attention, die mit einem Lightning-Indexer Schlüsselinformationen auswählt und die Effizienz bei langen Texten in Training und Inferenz deutlich erhöht. Die Reasoning-Spur vertritt DeepSeek-R1, trainiert aus V3-Base und mit Reinforcement Learning optimiert, stark in Mathematik, Programmierung und natürlichsprachlichem Schließen.

Aus diesen Spuren sind Ableger entstanden. R1-Zero verzichtet auf überwachtes Feintuning und stützt sich rein auf Reinforcement Learning, mit starker Denkleistung, aber Schwächen in der Lesbarkeit. R1-Distill destilliert von R1 erzeugte Reasoningsdaten in kleine Modelle von 1,5B bis 70B. R1-0528 wird aus V3-0324 mit 660B Parametern trainiert und betont tiefes Schließen, verbesserte Textgenerierung und Einzelaufgaben von 30 bis 60 Minuten. Multimodal stehen DeepSeek-VL2 (Tiny, Small, Standard mit 1,0B, 2,8B und 4,5B aktivierten Parametern) und die Janus-Reihe, vertikal Prover-V2 für mathematische Beweise.

Im Alltag ist es ein breiter Assistent: Frage und Antwort im Mehrfachdialog, Texterstellung, Übersetzung, Datenverarbeitung, Diagrammerzeugung, Codeerzeugung und Debugging, mathematisches Schließen, dazu Websuche und ein Modus für tiefes Denken. Ein Bildmodus erlaubt das Hochladen von Fotos zur visuellen Analyse. Für Entwickler gibt es zudem eine Modellplattform für Training, Verwaltung und Datensatzkontrolle.

Hauptfunktionen

Fragen und Dialog

Beantwortet Fragen zu Wissenschaft, Geschichte, Alltag und Technik, folgt dem Kontext und bleibt zusammenhängend, was für nachfragende Gespräche taugt.

Schreiben und Übersetzen

Erzeugt Artikel, Geschichten, Gedichte, Berichte und E-Mails und übersetzt zwischen Sprachen; DeepSeek-V3 deckt bis zu 83 Sprachen ab.

Codeerzeugung und Debugging

Erstellt Code in vielen Programmiersprachen aus natürlichsprachlichen Beschreibungen und hilft, Fehler zu finden und Umsetzungen zu verbessern.

Mathematik und logisches Schließen

Stark bei Mathematik und Reasoning, mit einem Modus für tiefes Denken bei Fragen, die mehrstufige Analyse brauchen.

Websuche und tiefes Denken

Die Suche liefert aktuelle Informationen; der Denkmodus zeigt den Schlussweg bei komplexer Logik.

Daten und Diagramme

Bereinigt, analysiert und berechnet Daten und wandelt Ergebnisse in Balken-, Linien- oder Kreisdiagramme.

Bildverständnis

Ein hochgeladenes Bild lässt sich visuell erfassen und befragen; auf Modellseite verbinden VL2 und Janus Sehen und Sprache.

Dokumente lesen

Hochgeladene Dokumente werden auf Kerninformationen geprüft und zusammengefasst, was bei langem Material hilft.

Entwicklungsplattform

Eine Modellplattform unterstützt Training, Verwaltung und Datensatzkontrolle und erleichtert die Einbindung in eigene Systeme.

So nutzt man es

1. Einstieg wählen. Die Webversion läuft in jedem Browser, die App steht in den Stores, eine Erweiterung gibt es im Chrome Web Store.
2. Modus zur Aufgabe wählen. Alltagsfragen und Texte nutzen den Dialog, aktuelle Informationen die KI-Suche, Dokumente das Dateilesen, komplexes Schließen den Denkmodus.
3. Die Frage klar stellen. Vage Formulierungen meiden, mit Stichworten den Bedarf markieren und komplexe Arbeit in kleinere Fragen zerlegen, die schrittweise tiefer gehen.
4. Über Turns arbeiten. Im selben Gespräch nachzufragen, umformulieren zu lassen oder Bedingungen zu ergänzen, bringt meist mehr als ein sehr langer Prompt.
5. Die Prompt-Bibliothek nutzen. Die offizielle deckt 13 Szenarien ab: Code umschreiben, Code erklären, Code erzeugen, Inhalte klassifizieren, strukturierte Ausgabe, Rollenspiel, Prosa und Lyrik, Textgliederungen, Slogans, Prompt-Erzeugung und Chinesisch-Englisch-Übersetzung.
6. Lokal deployen, wenn eine private Umgebung nötig ist. Modelldateien von der offiziellen Seite laden, Abhängigkeiten installieren, einen Server konfigurieren und deployen, dann testen und die Leistung optimieren.

Wo es passt

• Entwickler und Algorithmusteams: mit offenen Gewichten selbst hosten oder die Plattform für Training, Datenverwaltung und Modellkontrolle nutzen.
• Content und Marketing: Werbetexte, Protokolle und Erstentwürfe in Menge erzeugen und anschließend von Hand schärfen.
• Datenrollen: Fragen in Abfragen übersetzen, Daten bereinigen und auswerten und Diagramme erstellen, die eine Schlussfolgerung schnell erklären.
• Bildung und Forschung: Lehrkräfte erzeugen Pläne und Materialien und geben individuelle Lernwege; in der Mathematik erlaubt Prover-V2 formale Beweisprüfung.
• Organisationen mit Compliance-Anforderungen: das Modell per lokalem Deployment in die eigene Umgebung holen, damit Material nicht abfließt.

Grenzen und Hinweise

• Tiefes Denken ist langsamer. Den Schlussweg zu zeigen bedeutet mehr Rechenzeit und Warten, bei einfachen Aufgaben also unnötig; laut Material kann R1-0528 Einzelaufgaben von 30 bis 60 Minuten bearbeiten, was zu schweren Problemen und nicht zu Routinefragen passt.
• Ausgaben brauchen Prüfung. Modelle erzeugen plausiblen Text, der sachlich falsch sein kann, daher sollten Zahlen, Zitate und Schlüsse an Primärquellen geprüft und nicht als Faktenquelle behandelt werden.
• Offene Gewichte sind nicht Plug-and-play. Lokales Deployment verlangt Abhängigkeiten, einen Server und genug Speicher sowie Leistungsabstimmung; große Parameterzahlen auf kleiner Hardware sind nicht realistisch.
• Versionen wechseln schnell. V3, V3.1-Terminus, V3.2, R1 und R1-0528 folgen rasch aufeinander, mit unterschiedlichen Fähigkeiten und Größen, daher nach aktueller offizieller Dokumentation auswählen.
• Preis und Kontingente kommen von offizieller Stelle. Das Material enthält keine bestätigten Preis-, Raten- oder Geschäftsbedingungen, Kosten und Lizenz also auf den offiziellen Seiten prüfen statt aus diesem Text abzuleiten.

Häufige Fragen

Auf welchen Wegen lässt sich DeepSeek nutzen?

Web, App und Browsererweiterung, dazu Self-Hosting der offenen Modelle; die Entwicklungsplattform deckt Training und Verwaltung ab.

Worin unterscheiden sich V3 und R1?

V3 ist das allgemeine Sprachmodell mit Mixture-of-Experts, 671B gesamt und 37B aktiviert sowie 128K Kontext; R1 geht den Reasoning-Weg und verbessert per Reinforcement Learning Mathematik, Code und Schlussfolgern.

Wie viel Text lässt sich verarbeiten?

V3 unterstützt 128K Kontext, R1-0528 betont Einzelaufgaben von 30 bis 60 Minuten; genaue Grenzen folgen der offiziellen Dokumentation.

Ist lokales Deployment möglich?

Ja. Der Weg ist: Modelldateien laden, Abhängigkeiten und Umgebung installieren, Server konfigurieren, deployen, dann testen und die Leistung optimieren.