Open Source: Deepseek 3.1 denkt auf Knopfdruck mit
Das chinesische KI-Unternehmen Deepseek hat mit der Veröffentlichung seines neuen Modells V3.1 Aufsehen verursacht. Das 685-Milliarden-Parameter-System wurde auf Hugging Face hochgeladen(öffnet im neuen Fenster) und stellt eine Konkurrenz zu proprietären Systemen von OpenAI und Anthropic dar.
Beeindruckende Leistungsdaten
Erste Benchmark-Tests zeigen eine gute Performance: Deepseek V3.1 erreichte 71,6 Prozent im Aider-Coding-Benchmark und positioniert sich damit unter den leistungsstärksten verfügbaren Modellen. Im Gegensatz zu kommerziellen KI-Systemen, die kostenpflichtigen API-Zugang erfordern, steht V3.1 als Open-Source-Lösung zur freien Verfügung. Nur die entsprechende Hardware müssen Anwender unterhalten.
Das Modell verarbeitet bis zu 128.000 Token Kontext bei Antwortgeschwindigkeiten, die mit bestehenden Systemen konkurrieren können.
Deepseek-V3.1 bietet Nutzern die Wahl zwischen zwei unterschiedlichen Arbeitsweisen: Im sogenannten Think-Modus, technisch als Deepseek-Reasoner bezeichnet, fokussiert sich das System auf komplexe Denkprozesse. Demgegenüber steht der Non-Think-Modus (Deepseek-Chat), der für alltägliche, weniger anspruchsvolle Anfragen konzipiert wurde. Beide Varianten verarbeiten bis zu 128.000 Tokens gleichzeitig.
Funktion lässt sich direkt testen
Interessierte können die neue Funktion direkt auf Deepseeks eigener Chat-Plattform ausprobieren(öffnet im neuen Fenster) - ein Klick auf den Deepthink-Button in der linken unteren Ecke des Chatfensters genügt. Diese Chatplattform wird in China betrieben - entsprechend umsichtig sollten Tester mit den Daten sein, die hier eingegeben werden.
Der Zeitpunkt der Veröffentlichung ist strategisch gewählt: Kurz nach den jüngsten Launches von OpenAI und Anthropic setzt Deepseek auf einen völlig anderen Ansatz. Während US-Unternehmen ihre Systeme streng kontrollieren, demonstriert Deepseeks Open-Source-Strategie eine alternative Philosophie der KI-Entwicklung.
Trotz der beeindruckenden Fähigkeiten bringt das Modell Herausforderungen mit sich: Die Größe von 700 GByte erfordert erhebliche Rechenressourcen für die Bereitstellung.