Über das Modell

DeepSeek-R1 ist ein Reasoning-Modell: Es rechnet vor der Antwort sichtbar in einer Gedankenkette und braucht dafür deutlich mehr Zeit und Rechenleistung als ein gewöhnliches Sprachmodell. Der Gewinn zeigt sich bei Aufgaben mit mehreren Zwischenschritten – Kalkulationen, Fristenberechnungen, Widerspruchsprüfungen in Regelwerken, Fehleranalysen in verschachteltem Code.

Die Lizenz ist MIT, also so frei wie es bei Modellgewichten überhaupt geht. Von den insgesamt rund 671 Milliarden Parametern sind pro Token etwa 37 Milliarden aktiv.

Warum es erst in Ausbaustufe 2 steht: Ein Modell dieser Größe braucht mehrere Grafikkarten der obersten Klasse allein zum Laden. Das ist die Hardware, die in einem Behörden- oder Dedicated-Tarif kalkuliert wird, nicht in einem Zugang für 18 Euro. Wer es früher braucht, bekommt es auf einem exklusiv gemieteten Server.

Ein Hinweis, den wir für nötig halten: Die sichtbare Gedankenkette wirkt wie eine Begründung, ist aber keine. Sie ist der Text, den das Modell erzeugt, während es zur Antwort kommt – sie belegt nicht, dass es so gerechnet hat. Wer sie als Nachweis in einem Verwaltungsvorgang verwendet, verwechselt Plausibilität mit Prüfung.

Stärken

Sichtbare Gedankenkette starke Leistung bei Mathematik und Logik MIT-Lizenz Mixture-of-Experts

Kurz gesagt

Reasoning mit sichtbarer Gedankenkette, MIT-Lizenz, hoher Hardwarebedarf