DeepSeek: как китайская AI-компания стала известной благодаря открытым моделям

В конце января 2025 года приложение DeepSeek возглавило рейтинг бесплатных приложений App Store в США, а новости о R1 совпали с резким падением акций части технологического сектора. DeepSeek сообщила о сильных результатах моделей и 2,788 млн GPU-часов H800 для финального обучения V3, но эта цифра не является полной стоимостью всех исследований и инфраструктуры и не доказывает универсального равенства с лучшими системами.

Что такое DeepSeek и откуда она взялась

DeepSeek — китайская лаборатория и поставщик моделей искусственного интеллекта со штаб-квартирой в Ханчжоу. В публичных материалах она развивает большие языковые и reasoning-модели; точное название юридического лица, сторону договора и реестровые данные нужно проверять в условиях конкретного сервиса или официальном реестре.

DeepSeek связана с количественным хедж-фондом High-Flyer и не объявляла классических венчурных раундов, характерных для многих AI-стартапов. Публичные материалы указывают на общее происхождение и вычислительную базу, но без полной структуры собственности и финансовой отчётности не следует утверждать, что фонд единолично профинансировал все расходы компании.

Компания смогла использовать опыт и ресурсы, связанные с High-Flyer, однако точный штат, состав команды и доступный парк ускорителей раскрыты не полностью. Оценки о «нескольких сотнях молодых выпускников» стоит приводить только с датированным источником.

История компании: от хедж-фонда к AI-лаборатории

High-Flyer основали в 2015 году выпускники Чжэцзянского университета. Фонд инвестировал в машинное обучение и вычислительную инфраструктуру до запуска DeepSeek, но точные закупки GPU, их использование и место фонда на рынке нужно подтверждать датированными корпоративными или реестровыми данными.

В 2023 году AI-подразделение выделили в отдельную компанию DeepSeek. Далее события развивались стремительно:

• Ноябрь 2023 года — релиз первой линейки моделей DeepSeek LLM и специализированной модели для программирования DeepSeek Coder.
• Май 2024 года — выход DeepSeek-V2, модели Mixture of Experts с низкими заявленными тарифами API; последующее снижение цен другими провайдерами происходило на более широком конкурентном рынке, поэтому причинность следует формулировать осторожно.
• Декабрь 2024 года — релиз DeepSeek-V3, который по многим бенчмаркам приблизился к ведущим закрытым моделям.
• Январь 2025 года — выход reasoning-модели DeepSeek-R1, которая умеет «рассуждать» пошагово, и мобильного приложения, которое за считанные дни стало самым загружаемым в ряде стран.

DeepSeek-R1 стала широко известна благодаря результатам в опубликованных тестах, открытым весам и низким заявленным тарифам API. Официальный репозиторий сравнивает R1 с OpenAI o1 на математике, коде и reasoning-задачах, но бенчмарки не доказывают одинакового качества во всех сценариях.

Кто владеет DeepSeek и кто стоит за компанией

DeepSeek основал Лян Вэньфэн, связанный с хедж-фондом High-Flyer. Компания не раскрывает полную актуальную таблицу собственности, поэтому утверждения о единственном контролирующем владельце, отсутствии любых внешних акционеров или точном источнике всего финансирования без реестровых данных лучше не подавать как установленный факт.

Лян Вэньфэн — выпускник Чжэцзянского университета и сооснователь High-Flyer. Публичные интервью помогают понять исследовательские цели компании, но их пересказы не доказывают, что DeepSeek не имеет коммерческой цели или что открытость всегда важнее прибыли в каждом продуктовом решении.

Страна происхождения DeepSeek — Китай, и это имеет практические последствия для пользователей. Компания работает по китайскому законодательству, её сервисы подпадают под местные требования к контенту, а политика конфиденциальности предусматривает хранение данных на серверах в КНР. Об этом стоит помнить, используя облачный чат-бот для чувствительных задач.

Чем отличаются открытые модели DeepSeek

Условия лицензирования зависят от релиза. Репозиторий DeepSeek-R1 использует MIT для кода и основных материалов R1, но дистиллированные модели сохраняют условия базовых Qwen или Llama. Для DeepSeek-V3 код репозитория имеет MIT, а веса подчиняются отдельной Model License. Перед коммерческим использованием нужно читать лицензию конкретного чекпойнта.

Открытые веса облегчили локальное развёртывание, исследования и создание дистиллированных версий. Количество интеграций и их пригодность для чувствительных данных зависят от конкретного сервиса; сама доступность весов не гарантирует приватность, правильную конфигурацию или отсутствие внешней телеметрии.

Важно различать open weights и полный open source. DeepSeek публикует веса и технические отчёты с детальным описанием архитектуры и методов обучения, но не всегда открывает полные наборы обучающих данных и весь код пайплайна. То есть модель можно свободно использовать и изучать, однако воспроизвести её с нуля один-в-один сложнее.

Как работает DeepSeek: технические решения, изменившие правила игры

Компания описала ряд инженерных решений в технических отчётах. Их влияние на индустрию нужно оценивать по независимому воспроизведению, использованию другими командами и одинаковым тестам, а не противопоставлять техническую работу и маркетинг.

Архитектура Mixture of Experts

В техническом отчёте DeepSeek-V3 описаны 671 млрд общих параметров и 37 млрд активных для одного токена. Разреженная Mixture-of-Experts архитектура снижает вычисления по сравнению с активацией всех параметров, однако слово «радикально» и прямые выводы о полной стоимости обучения или инференса требуют одинаковых условий сравнения.

Экономия на обучении и инференсе

Отчёт V3 приводит 2,788 млн GPU-часов H800 для финального полного обучения. Пересчёт в «несколько миллионов долларов» зависит от принятой цены GPU-часа и не включает исследования, предыдущие эксперименты, данные, зарплаты и инфраструктуру; это не полная себестоимость модели и не доказательство разницы «на порядки».

Reasoning через обучение с подкреплением

DeepSeek-R1 сочетала этап cold start с обучением с подкреплением и последующими этапами дообучения, тогда как R1-Zero исследовала масштабное RL без начального supervised fine-tuning. Описанные в отчёте более длинные цепочки, проверка и смена подхода являются поведением модели в тестах; слово «саморефлексия» не следует понимать как человеческое сознание.

Бизнес-модель компании

DeepSeek предлагает API, веб-чат, приложение и модели с доступными весами, но без финансовой отчётности нельзя полностью описать её монетизацию или доказать принципиальное отличие от других лабораторий. Публично видимые продукты включают:

DeepSeek продаёт доступ к API; цены и правила кеширования меняются, поэтому сравнивать их с конкурентами нужно на одну дату, для одинакового типа токенов, контекста и модели.

Компания также предоставляет веб-чат и мобильное приложение. Бесплатный доступ, лимиты и доступность могут меняться; без финансовой отчётности нельзя установить, является ли этот продукт лишь «витриной» и приносит ли он прибыль.

Открытые веса могут расширять экосистему, но архитектура и форматы DeepSeek не являются доказанным стандартом де-факто. Компания не раскрывает полную структуру доходов, поэтому перечень источников монетизации следует воспринимать как описание продуктов, а не подтверждённую бизнес-модель.

• возможную стратегическую ценность исследований и инфраструктуры для связанных структур; конкретные права на активы и обмен ресурсами требуют корпоративных данных.

Публикация весов может расширять использование моделей, привлекать разработчиков и усиливать ценовую конкуренцию. Сравнение с Meta Llama полезно только как аналогия; мотив «подорвать преимущество конкурентов», отсутствие маркетингового бюджета и способ привлечения талантов нельзя считать установленными без заявлений компании.

DeepSeek в контексте мировой AI-индустрии

Релиз R1 вызвал широкую дискуссию о стоимости обучения, доступе к чипам и конкуренции между открытыми и закрытыми моделями. Он поставил под сомнение отдельные предположения о необходимом бюджете для конкретного уровня результатов, но один технический отчёт не доказывает общего правила о будущем лидерства в ИИ.

DeepSeek развивалась в условиях экспортных ограничений на передовые чипы, но из этого не следует, что алгоритмы полностью компенсируют доступ к вычислениям. Оптимизации V3 снижают потребность в ресурсах для конкретной архитектуры; масштабирование, данные и инфраструктура остаются существенными.

Для пользователей появился ещё один набор моделей, часть которых можно разворачивать локально. Облачный сервис работает по китайскому праву и собственной политике данных; поведение ответов зависит от версии и сервиса. Локальное развёртывание может уменьшить передачу данных провайдеру, но требует подходящей модели, оборудования, безопасной конфигурации и контроля всего программного стека.

Интересные факты о DeepSeek

• DeepSeek получила значительное органическое внимание после R1, но её фактические маркетинговые расходы не раскрыты.
• High-Flyer инвестировал в вычислительную инфраструктуру до запуска DeepSeek; объём переданных компании ресурсов требует отдельного подтверждения.
• Лян Вэньфэн редко общается с прессой, но после успеха R1 его пригласили на встречу с руководством Китая вместе с ведущими технопредпринимателями страны.

После выхода DeepSeek-V2 в Китае несколько провайдеров снижали тарифы на AI-модели. Причины ценовых изменений могли включать конкуренцию с DeepSeek и более широкое развитие рынка, поэтому формулировка «заставил ByteDance, Alibaba и Baidu» без первичных заявлений этих компаний заменена более осторожной.

• Наряду с флагманскими моделями выпущены дистиллированные версии R1 на базе Qwen и Llama. Требования к потребительскому оборудованию зависят от размера, квантизации, длины контекста и желаемой скорости.

Часто задаваемые вопросы

DeepSeek — это бесплатно?

DeepSeek предлагает веб-чат и приложение без отдельной абонплаты для базового доступа, но лимиты и условия могут меняться. API платный. Загрузка весов не требует платы DeepSeek, однако локальный запуск несёт расходы на оборудование, электроэнергию, администрирование и соблюдение лицензии.

Безопасно ли пользоваться DeepSeek?

Локальный запуск может удерживать запросы в собственном контуре только при правильной конфигурации всего программного стека, сети, логирования и интеграций. Для облачного сервиса действует политика конфиденциальности DeepSeek; перед передачей персональных или коммерческих данных нужно проверить действующую редакцию, место обработки и свои регуляторные обязанности.

Чем DeepSeek отличается от ChatGPT?

DeepSeek и ChatGPT — разные семейства моделей и продуктов с разными функциями, политиками данных, ценами и лицензиями. Результат зависит от версии, задачи, языка и способа оценки; универсальное утверждение о «сопоставимом качестве» вне определённого теста некорректно.

Можно ли использовать модели DeepSeek в коммерческих продуктах?

Коммерческое использование возможно не для всех релизов на одинаковых условиях. Для R1 нужно учитывать MIT и лицензии базовых моделей в дистиллятах; для V3 действует отдельная Model License. Всегда проверяйте файл LICENSE конкретного репозитория и чекпойнта перед внедрением.

Что стоит вынести из истории DeepSeek

История этой компании — не только об очередном единороге, но об изменении логики целой отрасли. Несколько практических выводов для тех, кто следит за рынком ИИ или выбирает инструменты для работы:

• Открытые модели стали практичной альтернативой для многих задач, но утверждение, что они в целом «догнали закрытые» и самый дорогой API больше не нужен, зависит от модели, качества, безопасности, поддержки и полной стоимости владения.
• Алгоритмическая эффективность может снизить потребность в вычислениях для заданного результата, но не гарантирует компенсации дефицита чипов, данных, энергии или инженерной инфраструктуры. Сравнение требует одинаковых метрик и полного бюджета.
• Оценивая AI-сервис, смотрите не только на бенчмарки, но и на юрисдикцию, политику данных и лицензию модели.
• Если данные чувствительны, локальное развёртывание доступных весов может уменьшить зависимость от облачного провайдера, но приватность определяют вся конфигурация, журналы, интеграции и контроль доступа.

DeepSeek показала, что сильные модели и инженерные оптимизации могут появляться за пределами Кремниевой долины. Её вклад следует оценивать по воспроизводимым техническим отчётам, лицензиям и актуальным продуктам, избегая окончательных прогнозов обо всём рынке.