DeepSeek: Offene KI-Modelle aus Hangzhou, finanziert vom Hedgefonds High-Flyer

Am 27. Januar 2025 stand die App von DeepSeek an der Spitze der kostenlosen Apps im US-App-Store, vor ChatGPT. Am selben Tag verlor Nvidia nach Angaben von Reuters rund 593 Milliarden US-Dollar an Börsenwert, der bis dahin größte Tagesverlust eines Unternehmens an der Wall Street; die Aktie fiel um knapp 17 Prozent, der Nasdaq um 3,1 Prozent. Andere Medien kamen je nach Berechnungsgrundlage auf rund 540 Milliarden. Auslöser war die Sorge, dass ein Modell aus China, das nach Angaben seiner Entwickler für wenige Millionen Dollar an Rechenzeit trainiert worden war, mit den Modellen der US-Anbieter mithalten könne. 

Hinter der App steht die Hangzhou DeepSeek Artificial Intelligence Basic Technology Research Co., Ltd., eingetragen am 17. Juli 2023. Anderthalb Jahre nach dem Kurssturz hat sich die Lage verschoben: Im Juni 2026 nahm DeepSeek nach Berichten von Reuters erstmals Geld externer Investoren an, im August 2026 zeichnete die Firma Aktien beim Börsengang des Roboterherstellers Unitree, am 17. Oktober 2026 erschien die jüngste Version des Modells V4.1-Flash. Zugleich laufen Verfahren von Datenschutzbehörden, und US-Behörden prüfen, mit welchen Chips die Modelle trainiert wurden. 

Auf einen Blick

Vom Hedgefonds zum KI-Labor

Liang Wenfeng studierte an der Zhejiang University und gründete den Hedgefonds High-Flyer mit, der maschinelles Lernen für den Wertpapierhandel einsetzte. Für das Training seiner Handelsmodelle baute High-Flyer eigene Rechenzentren. Das Cluster Fire-Flyer 2 mit 10.000 Nvidia-A100-Karten beschreiben Autoren von DeepSeek und High-Flyer, darunter Liang selbst, in einem Paper vom August 2024; es habe die Hälfte eines vergleichbaren Nvidia-Systems gekostet und 40 Prozent weniger Energie verbraucht. Das sind Angaben der Betreiber. Diese Karten kaufte High-Flyer nach Einschätzung des Analysehauses SemiAnalysis ab 2021. 

Am 17. Juli 2023 ließ Liang DeepSeek in Hangzhou eintragen. In einem Interview mit dem chinesischen Medium 36Kr vom Juli 2024, das der Newsletter ChinaTalk übersetzt hat, beschrieb er das Team als überwiegend frische Absolventen und Doktoranden chinesischer Spitzenuniversitäten; im Team hinter dem Modell V2 sei niemand aus dem Ausland zurückgekehrt. Geld sei nie das Problem gewesen, sagte Liang, das Problem seien die Exportverbote für fortgeschrittene Chips. Finanzierungspläne habe man kurzfristig keine. Zum Geschäftsmodell sagte er, man subventioniere weder noch verlange man übermäßige Gewinne, und zur Veröffentlichung der Modelle: Gräben aus geschlossenem Code seien bei disruptiven Technologien nur vorübergehend, DeepSeek werde nicht zu geschlossenen Modellen wechseln. 

Die ersten Modelle DeepSeek-Coder und DeepSeek-LLM erschienen 2023. Im Februar 2024 führte das Mathematik-Modell DeepSeekMath die Trainingsmethode GRPO ein, die später das Modell R1 trug. Im Mai 2024 folgte DeepSeek-V2; auf den Preiskampf unter chinesischen Anbietern, der darauf folgte, angesprochen, sagte Liang, Nutzer abzuwerben sei nicht das Hauptziel. Im November 2024 zeigte R1-Lite-Preview den Denkprozess des Modells vor der Antwort. Am 26. Dezember 2024 kam V3 in die API, am 20. Januar 2025 R1, eine Woche später folgten der Spitzenplatz im App Store und der Kurssturz bei Nvidia. Am 17. Februar 2025 nahm Liang nach Angaben zweier Reuters-Quellen an einem Treffen von Staatschef Xi Jinping mit Privatunternehmern teil; im Staatsfernsehen war er nicht zu sehen. 

Im September 2025 erschien das R1-Paper nach einer Begutachtung in der Fachzeitschrift Nature. Nach Einschätzung der Nature-Redaktion ist R1 damit vermutlich das erste große Sprachmodell, das einen Peer-Review-Prozess durchlaufen hat. 2026 folgten die Vorschau auf V4 im April, die erste Finanzierungsrunde im Juni, der Einstieg bei Unitree im August und V4.1-Flash im September. Eine Presseseite hat DeepSeek bis heute nicht; die Website nennt nur eine Service-Adresse. 

Modelle (Stand Oktober 2026)

Die Tabelle führt die Hauptlinien nach den Angaben im API-Changelog, in den Papers und auf den Modellkarten bei Hugging Face. Ranglisten aus Benchmarks lassen wir bewusst weg; sie stammen in den Ankündigungen von DeepSeek selbst. 

Zwei Ideen aus V2 ziehen sich bis V4 durch. Die erste ist die Expertenmischung, englisch Mixture of Experts: Das Modell besteht aus vielen Teilnetzen, ein Router schickt jedes Token nur an wenige davon. Deshalb rechnet V3 mit 671 Milliarden Parametern, benutzt pro Token aber nur 37 Milliarden. Die zweite ist die Multi-head Latent Attention, die den Zwischenspeicher für bereits gelesene Tokens komprimiert; nach Angaben im V2-Paper schrumpfte er um 93,3 Prozent. Beides senkt die Kosten für Training und Betrieb. Mit V3.2 kam eine dünn besetzte Aufmerksamkeit hinzu, mit V4 weitere Kompressionsstufen; nach dem V4-Paper braucht das Modell bei einer Million Tokens Kontext rund 27 Prozent der Rechenoperationen und 10 Prozent des Zwischenspeichers von V3.2. Das sind Angaben der Autoren. 

R1 ist das Modell, das DeepSeek bekannt machte. Nach dem Paper lernte die Vorstufe R1-Zero das schrittweise Schlussfolgern allein durch Reinforcement Learning, also durch Belohnung richtiger Ergebnisse, ohne menschlich geschriebene Beispiele für Denkketten. R1-Zero wiederholte sich allerdings und mischte Sprachen; für R1 ergänzte DeepSeek deshalb eine kleine Menge handgeschriebener Startdaten. Die Gewichte stehen unter MIT-Lizenz, DeepSeek erlaubt ausdrücklich, daraus kleinere Modelle zu destillieren, und lieferte sechs solcher Ableger auf Basis von Qwen und Llama gleich mit. 

Was die Modelle gelernt haben, legt DeepSeek nur grob offen. Ein Dokument auf der chinesischen Transparenzseite nennt als Trainingsdaten öffentlich verfügbare Informationen aus dem Internet und über Dritte beschaffte Daten; Teile der Feinabstimmung könnten aus anonymisierten Nutzereingaben stammen, mit Widerspruchsmöglichkeit. Filter gegen Hass, Pornografie, Gewalt und Spam sind aufgeführt, politische Filter nicht. Halluzinationen könne man derzeit nicht ausschließen, heißt es dort. Die Trainingsdaten selbst sind nicht veröffentlicht. 

Was das Training kostete und was die Zahl nicht enthält

Die Zahl, die den Kurssturz auslöste, steht in Tabelle 1 des V3-Papers vom Dezember 2024: 5,576 Millionen US-Dollar. Sie ergibt sich aus 2,788 Millionen Stunden Rechenzeit auf H800-Karten, multipliziert mit einem angenommenen Mietpreis von 2 Dollar je Karte und Stunde. Enthalten sind das Vortraining, die Erweiterung des Kontextfensters und das Nachtraining des einen, finalen Trainingslaufs. Ausdrücklich nicht enthalten sind nach dem Wortlaut des Papers die Kosten für vorangegangene Forschung und für Versuchsreihen zu Architekturen, Algorithmen und Daten. Nicht enthalten sind damit auch der Kauf der Hardware, Gehälter und der laufende Betrieb der Rechenzentren. Die Zahl beschreibt also, was ein einziger Trainingslauf bei gemieteten Karten gekostet hätte. 

Für R1 nannte DeepSeek im Begleitmaterial zum Nature-Paper 294.000 US-Dollar, zusätzlich zu den rund 6 Millionen für das Basismodell; so berichtete es die Nature-Redaktion im September 2025. SemiAnalysis hielt im Januar 2025 dagegen, die 6 Millionen seien allein die GPU-Kosten des Vortrainings, Forschung und Gesamtkosten der Hardware fehlten. Das Analysehaus schätzte, DeepSeek habe Zugang zu rund 50.000 Karten der Hopper-Generation, davon nur ein Teil H100, und die Server hätten rund 1,6 Milliarden US-Dollar gekostet. Das ist eine Analystenschätzung, keine Angabe der Firma. Beide Lesarten widersprechen sich weniger, als es scheint: Das Paper selbst grenzt die Zahl eng ein. 

Geschäftsmodell, Finanzierung und Chips

DeepSeek verdient Geld mit der API, die Chat-App ist kostenlos. Abgerechnet wird nach Tokens, mit Tagespreisen und halbierten Preisen außerhalb der Hauptzeit. Am 20. Oktober 2026 kostete eine Million Ausgabe-Tokens des Modells V4.1-Flash zur Hauptzeit 1,20 US-Dollar, beim größeren V4-Pro 3,96 US-Dollar; Eingaben, die das Modell aus einem Zwischenspeicher kennt, kosten einen Bruchteil davon. Dieses Caching führte DeepSeek im August 2024 ein und senkte damit nach eigenen Angaben die Preise deutlich. Nach einem Bericht von The Information, den wir nur über die koreanische Zeitung Seoul Economic Daily kennen, hat DeepSeek die API-Preise im August 2026 um das Zwei- bis Vierfache erhöht und erreicht einen annualisierten Umsatz von über einer Milliarde US-Dollar. Bestätigt ist das nicht. 

Bis Mitte 2026 kam das Geld allein von High-Flyer und Liang. Im Juni 2026 berichtete Reuters unter Berufung auf Quellen von einer ersten externen Finanzierungsrunde über rund 50 Milliarden Yuan, etwa 7 Milliarden US-Dollar, bei einer Bewertung von 350 bis 400 Milliarden Yuan nach der Runde. Liang selbst steuere rund 20 Milliarden Yuan bei, Tencent 10 Milliarden, der Batteriehersteller CATL 5 Milliarden; mit dem staatlichen KI-Industriefonds, NetEase und JD.com liefen Gespräche. Caixin meldete Ende Juni, die Runde sei abgeschlossen. Zugleich kündigte DeepSeek an, jede Abteilung mindestens zu verdoppeln, mit der Begründung, die Menschheit stehe am Vorabend der AGI. Im Oktober 2026 berichtete Seoul Economic Daily nach dem chinesischen Wirtschaftsmagazin Caijing von einer zweiten Runde über rund 100 Milliarden Yuan bei 500 Milliarden Yuan Bewertung und von Plänen für einen Börsengang in Shanghai. Diese Meldung konnten wir nicht bestätigen. 

Rechenkapazität bleibt der Engpass, den Liang 2024 selbst benannte. V3 wurde nach dem Paper auf 2.048 Nvidia-H800-Karten trainiert, die nach Angaben von Reuters 2023 legal zu kaufen waren. Für die Zukunft setzt die Firma offenbar auch auf heimische Chips: Nach einem Bloomberg-Bericht vom September 2026 plant DeepSeek ein Rechenzentrum in der Inneren Mongolei mit mindestens 160.000 Huawei-Ascend-950DT-Chips, allein für den Betrieb der Modelle, nicht für das Training, und abhängig davon, wie viele Chips Huawei liefern kann. DeepSeek hat den Bericht nicht bestätigt. Belegt ist nur, dass die Firma auf GitHub ein Repository mit Rechenkernen für Ascend-Chips führt. 

Bezug zur Robotik

DeepSeek ist ein Modellanbieter, kein Robotikunternehmen. Eigene Modelle für die Robotersteuerung hat die Firma bis zum 20. Oktober 2026 nicht veröffentlicht; die GitHub-Organisation listet Sprachmodelle, Rechenkerne und das Desktop-Programm Harness, keine Modelle, die Kamerabilder in Bewegungen übersetzen. Zwei Verbindungen in die Robotik sind dennoch belegt. 

Die erste ist eine Beteiligung. Beim Börsengang von Unitree am Shanghaier STAR Market im August 2026 zeichnete die Hangzhou DeepSeek AI Basic Technology Research rund 934.000 Aktien für rund 140,8 Millionen Yuan, etwa 20,8 Millionen US-Dollar, mit einer Haltefrist von 36 Monaten. Der Ausgabepreis lag bei 150,80 Yuan, Unitree nahm mit 40,45 Millionen neuen Aktien rund 6,1 Milliarden Yuan ein. Was die Beteiligung inhaltlich bedeutet, beschreiben die Quellen unterschiedlich: TechNode spricht nach dem chinesischen Portal IT Home nur von einer möglichen Zusammenarbeit bei großen Modellen, verkörperter Intelligenz und Robotik. Unite.AI beschreibt unter Berufung auf das Börsenprospekt, Reuters und Securities Times eine Vereinbarung, nach der beide Firmen KI-Modelle für Humanoide gemeinsam entwickeln, Unitree bei Trainingsleistungen DeepSeek bevorzugt und DeepSeek beim Kauf von Robotern Unitree. Den Wortlaut des Prospekts haben wir nicht eingesehen; bis dahin gilt: Die Beteiligung und die Haltefrist sind belegt, der Umfang der Kooperation nicht. 

Die zweite Verbindung ist die Nutzung durch Dritte. Der kanadische Hersteller Realbotix meldete im Februar 2025, seine Humanoiden könnten künftig Cloud-KI anbinden, darunter das gerade erschienene DeepSeek R1 neben Modellen von Hugging Face und ChatGPT. Das ist eine Herstellerangabe, die wir nicht unabhängig geprüft haben. Sie zeigt aber, wofür DeepSeek in der Robotik vorerst steht: als austauschbares Sprachmodell, das ein Roboterhersteller neben anderen anbinden kann, nicht als Steuerung für Arme und Beine. 

Kritik und offene Fragen

Datenschutz. Die italienische Datenschutzbehörde Garante untersagte am 30. Januar 2025 per Eilverfügung die Verarbeitung der Daten italienischer Nutzer und eröffnete eine Untersuchung gegen die Gesellschaften in Hangzhou und Peking. Die Antwort der Firmen, sie seien in Italien nicht tätig und EU-Recht gelte nicht für sie, nannte die Behörde völlig unzureichend. Die irische Behörde forderte Auskunft an. In Südkorea stoppte die Datenschutzkommission PIPC am 15. Februar 2025 den Download der App; ihre Untersuchung ergab im April, dass DeepSeek Daten ohne Einwilligung an vier ausländische Firmen übertragen hatte, darunter die Inhalte von Nutzereingaben an die ByteDance-Tochter Volcano Engine in Peking. DeepSeek räumte die Übermittlung ein, nannte als Zweck Sicherheit und Nutzererfahrung, stoppte sie nach Angaben der PIPC am 10. April 2025 und reichte eine überarbeitete Datenschutzerklärung ein. In Deutschland meldete die Berliner Datenschutzbeauftragte Meike Kamp die App am 27. Juni 2025 bei Apple und Google als rechtswidrigen Inhalt nach dem Digital Services Act, weil DeepSeek Daten ohne die nach Artikel 46 DSGVO nötigen Garantien nach China übermittle; eine Aufforderung der Behörde vom 6. Mai 2025 hatte die Firma nicht befolgt. Ob Apple und Google die App in Deutschland entfernt haben, konnten wir nicht belegen. Das BSI warnte bereits im Februar 2025, die App könne womöglich Tastatureingaben mitlesen, bevor sie abgeschickt werden; die Nutzungsverbote in Bundesministerien gelten allerdings allgemein für externe KI-Dienste, nicht nur für DeepSeek. 

Verbote für Behörden und Militär. Australien untersagte am 4. Februar 2025 allen Regierungsstellen die Nutzung von DeepSeek-Produkten; private Geräte sind nicht betroffen. In den USA verbietet das Verteidigungsgesetz für das Haushaltsjahr 2026, in Kraft seit Dezember 2025, dem Pentagon die Nutzung und Beschaffung von Systemen von DeepSeek und High-Flyer, mit Ausnahmen für Forschung; die Geheimdienste müssen DeepSeek aus ihren Systemen entfernen. Ein Ausschuss des Repräsentantenhauses hatte im April 2025 einen Bericht vorgelegt, nach dem DeepSeek Nutzerdaten über ungesicherte Netze nach China leite und mit Infrastruktur von ByteDance, Baidu, Tencent und China Mobile verknüpft sei. Das ist ein politischer Ausschussbericht, keine Behördenentscheidung. 

Zensur. Die auf KI-Tests spezialisierte Firma Promptfoo schickte im Januar 2025 1.360 Fragen zu Themen, die in China heikel sind, an R1. Rund 85 Prozent beantwortete das Modell mit standardisierten, nationalistisch gefärbten Texten. Zugleich ließ sich die Sperre nach dem Befund von Promptfoo leicht umgehen, etwa durch Umformulierung oder einen historischen Rahmen. Da die Gewichte offen sind, können Dritte die Filter aus lokal betriebenen Versionen entfernen; Screenshots aus der Web-App zeigen das Verhalten der App, nicht zwingend das des Modells. DeepSeeks Offenlegungsdokument nennt Filter gegen Hass, Pornografie und Gewalt, aber keine politischen Filter. Eine Stellungnahme der Firma zur politischen Filterung haben wir nicht gefunden. 

Destillationsvorwürfe. Ende Januar 2025 berichteten Financial Times und Bloomberg, Microsofts Sicherheitsteam habe im Herbst 2024 große Datenabzüge über die OpenAI-Schnittstelle durch Konten bemerkt, die mit DeepSeek in Verbindung stehen könnten; die Konten wurden gesperrt. OpenAI erklärte, Firmen aus China versuchten ständig, die Modelle führender US-Anbieter zu destillieren, ohne DeepSeek zu nennen. Am 23. Februar 2026 erklärte Anthropic, DeepSeek, Moonshot und MiniMax hätten über rund 24.000 betrügerische Konten mehr als 16 Millionen Austausche mit Claude erzeugt; DeepSeek ordnete Anthropic über 150.000 davon zu, mit dem Ziel, Schlussfolgern, die Bewertung nach Kriterien und unverfängliche Antworten auf politisch heikle Fragen zu lernen. Als Indizien nennt Anthropic synchronisierten Datenverkehr, gemeinsame Zahlungsmittel und Metadaten, die auf Forscher des Labors wiesen. Anthropic selbst bezeichnet Destillation als verbreitete und legitime Trainingsmethode; der Vorwurf richtet sich gegen die betrügerischen Konten und den Umfang. DeepSeeks Gegenposition stammt aus dem Nature-Verfahren: Gegenüber den Gutachtern erklärten die Forscher, R1 habe nicht durch Kopieren von Denkbeispielen aus OpenAI-Modellen gelernt; das Basismodell sei auf Webdaten trainiert, die KI-erzeugte Inhalte enthalten könnten. Umgekehrt erlaubt DeepSeek die Destillation aus seinen eigenen Modellen ausdrücklich. Zu den Vorwürfen von Anthropic haben wir keine Stellungnahme von DeepSeek gefunden. 

Exportkontrollen. Das US-Handelsministerium prüfte im Februar 2025 nach Angaben von Reuters, ob DeepSeek gesperrte Nvidia-Chips erhalten hat; DeepSeek selbst gibt an, H800-Karten genutzt zu haben, die 2023 legal zu kaufen waren. Im Juni 2025 sagte ein hoher Beamter des US-Außenministeriums gegenüber Reuters, DeepSeek habe Zugang zu großen Mengen H100-Karten, habe versucht, Exportkontrollen über Mantelfirmen in Südostasien zu umgehen, und unterstütze Chinas Militär; die Firma werde in mehr als 150 Beschaffungsunterlagen der Volksbefreiungsarmee genannt. Reuters konnte diese Angaben nicht prüfen, DeepSeek antwortete nicht. Nvidia widersprach beim Chip-Typ: Nach eigener Prüfung habe DeepSeek rechtmäßig H800 erworben, keine H100. Reuters-Quellen zufolge besitzt DeepSeek H100, aber weit weniger als die 50.000 aus der SemiAnalysis-Schätzung. Singapur klagte im Februar 2025 drei Männer wegen Betrugs im Zusammenhang mit Nvidia-Chips für DeepSeek an; das Handelsministerium des Stadtstaats sah zugleich keinen Hinweis darauf, dass DeepSeek über Singapur an kontrollierte Produkte gelangt sei. Sanktionen gegen DeepSeek hatte die US-Regierung nach dem Stand des Reuters-Berichts nicht verhängt. 

Offene Datenbank. Am 29. Januar 2025 meldete die Sicherheitsfirma Wiz eine ohne Passwort aus dem Internet erreichbare ClickHouse-Datenbank von DeepSeek mit über einer Million Logeinträgen, darunter Chat-Verläufe, API-Schlüssel und Details zum Backend; die Zugriffsrechte hätten die vollständige Kontrolle über die Datenbank erlaubt. Nach der Meldung schloss DeepSeek die Lücke nach Angaben von Wiz umgehend. Eine eigene Stellungnahme der Firma dazu haben wir nicht gefunden. 

Intransparenz. DeepSeek hat keine Presseseite, nennt weder Mitarbeiter- noch Umsatzzahlen und äußert sich zu Finanzierung, Chip-Plänen und den Vorwürfen von Behörden und Konkurrenten in der Regel nicht. Fast alles, was über die Firma jenseits der Modelle bekannt ist, stammt aus Registerdaten, Behördenmitteilungen und Berichten mit anonymen Quellen. Aussagen zur Leistung gegenüber Konkurrenzmodellen stammen aus den eigenen Ankündigungen. 

DeepSeek im Zeitraffer