DeepSeek

Zu dieser Auswahl gibt es keinen Eintrag.

1. Nov 2023

   DeepSeek LLM 67B Sprache

   • Erstes universelles LLM von DeepSeek, 7B und 67B, quelloffen.
   • 67B-Basis übertraf Llama2-70B in Reasoning, Code und Mathe.
   • Legte das Fundament für die späteren V-Modelle.

   Reihe DeepSeek

2. Nov 2023

   DeepSeek Coder Code

   • DeepSeeks frühes offenes Code-LLM von 1B bis 33B.
   • Auf 2 Billionen Tokens mit hohem Code-Anteil und 16K-Projektkontext trainiert.
   • Schlug CodeLlama-34B und setzte frühe offene Coding-Maßstäbe.

   Reihe DeepSeek Coder

3. Mai 2024

   DeepSeek-V2 Sprache

   • 236B-MoE mit nur 21B aktiven Parametern, sehr günstig im Betrieb.
   • Führte Multi-Head Latent Attention für kleinen KV-Cache ein.
   • Löste mit Kampfpreisen Chinas LLM-Preiskrieg aus.

   Reihe DeepSeek

4. Jun 2024

   DeepSeek-Coder-V2 Code

   • Offenes Code-MoE, das Closed-Source-Modelle bei Code einholte.
   • Unterstützte 338 Programmiersprachen und 128K Kontext.
   • Erreichte bei Coding und Mathe GPT-4-Turbo-Niveau.

   Reihe DeepSeek Coder

5. Dez 2024

   DeepSeek-V3 Sprache

   • 671B-MoE (37B aktiv), das mit GPT-4o und Claude 3.5 mithielt.
   • Für nur rund 5,6 Millionen Dollar trainiert, ein Effizienzschock.
   • Quelloffen und kommerziell frei nutzbar.

   Reihe DeepSeek

6. Jan 2025

   DeepSeek R1 Sprache

   • Erstes frei verfügbares Reasoning-Modell, das mit OpenAIs o1 bei Mathe, Code und Logik gleichzog.
   • Lernte per Reinforcement Learning eigenständig Schritt-für-Schritt-Denken und Selbstkorrektur.
   • Der Schock über diese Leistung zu Bruchteilen der Kosten ließ im Januar 2025 Tech-Aktien einbrechen.

   Reihe DeepSeek

7. Jan 2025

   Janus-Pro Bild

   • DeepSeeks offenes Modell, das Bildverstehen und Bilderzeugung vereint.
   • Trennt visuelle Encoder für Verständnis und Generierung sauber.
   • 7B-Version übertraf laut Benchmarks DALL·E 3 und SD.

8. Aug 2025

   DeepSeek-V3.1 Sprache

   • Hybrides Modell mit Denk- und Schnellmodus in einem System.
   • Großer Sprung bei SWE-bench und Terminal-bench gegenüber V3 und R1.
   • Auf chinesische Chips optimiert, als GPT-5-Herausforderer gehandelt.

   Reihe DeepSeek

9. Sep 2025

   DeepSeek-V3.2-Exp Sprache

   • Experimentell mit DeepSeek Sparse Attention für lange Kontexte.
   • Senkte die API-Preise um über 50 Prozent.
   • Effizienz-Vorschau auf die nächste DeepSeek-Generation.

   Reihe DeepSeek

10. Dez 2025

    DeepSeek-V3.2 Sprache

    • Offenes MIT-Reasoning-Modell mit 685B Parametern, das als erstes DeepSeek-Modell das Denken direkt in die Werkzeugnutzung integriert.
    • Die Speciale-Variante erreicht Gold-Niveau in Mathematik- und Programmier-Olympiaden bei stark gesenkten Kosten.

    Reihe DeepSeek

11. Apr 2026

    DeepSeek-V4 Sprache

    • Zwei offene Modelle: V4-Pro mit 1,6 Billionen Parametern (49B aktiv) und V4-Flash mit 284B (13B aktiv), beide mit einer Million Token Kontext.
    • Eine neue Sparse-Attention senkt die Rechenlast im langen Kontext drastisch; kompatibel mit den APIs von OpenAI und Anthropic.
    • Der Preis liegt bei rund 3,48 Dollar je Million Ausgabe-Tokens, gegenüber 25 bis 30 Dollar bei den westlichen Spitzenmodellen.

    Reihe DeepSeek

12. Jul 2026

    DeepSeek-V4-Flash-0731 Sprache

    • DeepSeek stellt die fertige Fassung von V4-Flash bereit. Sie hat 284 Milliarden Parameter und nutzt davon 13 Milliarden je Anfrage.
    • Das Modell liest 1 Million Token. Die Gewichte stehen unter MIT-Lizenz frei zum Download.
    • In allen neun Agenten-Tests von DeepSeek schlägt es die Vorschau des größeren V4-Pro.

    Reihe DeepSeek Quelle huggingface.co

13. Aug 2026

    DeepSeek-V4-Pro-0813 Sprache

    • DeepSeek führt sein stärkstes Modell aus der Vorschau in den regulären Betrieb.
    • Es liest 1 Million Token und schreibt bis zu 384.000 Token am Stück, wahlweise mit oder ohne Denkschritte.
    • Der Schwerpunkt liegt auf Agenten: 87,9 Punkte im Terminal Bench 2.1.

    Reihe DeepSeek Quelle api-docs.deepseek.com