Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepseekohne Datum · Q003760

DeepSeek-R1 Release | DeepSeek API Docs

api-docs.deepseek.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

DeepSeek kündigt R1 als MIT-lizenziertes, quelloffenes Modell an und behauptet, es erreiche bei Mathematik, Code und Schlussfolgerungen ein Niveau vergleichbar mit OpenAI o1; sechs destillierte Modelle, darunter 32B und 70B, sollen mit o1-mini mithalten. Der Beitrag nennt bestärkendes Lernen als technischen Ansatz sowie API-Zugang und Preise, liefert aber selbst keine Benchmark-Methodik oder unabhängige Bestätigung der Leistungsvergleiche.

Mittel

Der Bericht stellt DeepSeek-R1 als neues Modell für Mathematik, Programmierung und Schlussfolgerungen vor. DeepSeek behauptet, seine Leistung sei mit OpenAI o1 vergleichbar. Als Grundlage nennt der Beitrag umfangreiches bestärkendes Lernen im Nachtraining, das auch mit wenigen gelabelten Daten eine deutliche Verbesserung ermöglicht habe. Ein technischer Bericht wird verlinkt.

R1 und sechs daraus destillierte kleinere Modelle werden als Open Source unter MIT-Lizenz angekündigt. Für die 32B- und 70B-Varianten der destillierten Modelle behauptet DeepSeek ein Leistungsniveau vergleichbar mit OpenAI o1-mini. Der API-Zugang erfolgt laut Beitrag über „deepseek-reasoner“. Die genannten Preise je Million Token betragen 0,14 US-Dollar bei Eingabe-Cache-Treffern, 0,55 US-Dollar bei Cache-Fehltreffern und 2,19 US-Dollar für Ausgaben.

Der Text legt keine Benchmark-Methodik oder unabhängige Bestätigung der Leistungsvergleiche vor. Die erwähnten Abbildungen und der verlinkte technische Bericht sind im bereitgestellten Inhalt nicht näher ausgeführt.

Ausführlich lesen

Der Bericht kündigt die Veröffentlichung von DeepSeek-R1 an und beschreibt das Modell als für Mathematik, Programmierung und Schlussfolgerungen leistungsfähig. DeepSeek behauptet, die Leistung sei mit OpenAI o1 vergleichbar. Als technische Besonderheit nennt der Beitrag umfangreiches bestärkendes Lernen während des Nachtrainings. Dadurch sei eine deutliche Leistungssteigerung mit nur wenigen gelabelten Daten erreicht worden. Ein verlinkter technischer Bericht soll weitere Einzelheiten enthalten.

DeepSeek bezeichnet R1 als Open Source und erklärt, Modell und technische Dokumentation seien veröffentlicht. Der Beitrag nennt die MIT-Lizenz und wirbt damit, das Modell frei zu verwenden und zu kommerzialisieren. Zusätzlich kündigt DeepSeek sechs vollständig quelloffene, aus R1 destillierte kleinere Modelle an. Für Varianten mit 32 und 70 Milliarden Parametern behauptet das Unternehmen eine Leistung auf Höhe von OpenAI o1-mini.

Der Beitrag informiert außerdem über API-Zugang: R1 lässt sich demnach mit der Modellkennung „deepseek-reasoner“ ansprechen. Genannt werden Preise je Million Token: 0,14 US-Dollar für Eingabetoken bei Cache-Treffern, 0,55 US-Dollar bei Cache-Fehltreffern und 2,19 US-Dollar für Ausgabetoken. Ein Leitfaden zum Thinking Mode wird verlinkt.

Die Aussagen zu Leistung und Vorteilen stammen aus der Produktankündigung selbst. Der vorliegende Text führt keine Benchmark-Ergebnisse, Versuchsbedingungen oder unabhängige Prüfungen aus; die angekündigte Vergleichbarkeit lässt sich daraus allein daher nicht bewerten. Zwar enthält die Seite Verweise auf mehrere Abbildungen und einen technischen Bericht, deren konkrete Inhalte sind im bereitgestellten Text jedoch nicht wiedergegeben. Auch Details zu den sechs destillierten Modellen und zur praktischen Nutzung über die genannten API-Angaben hinaus fehlen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Zusammenfassungen geliefert (kurz und mittel); beide wurden gemeinsam geprüft. Die Einordnungsstufen weichen bei mehreren Fragen deutlich nach oben ab, weil der Bericht nur eine Produktankündigung ist und die Governance-Fragen darin kaum behandelt werden.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Lizenzaktualisierung, nach der API-Ausgaben für Feintuning und Destillation genutzt werden dürfen.
  • Die Angabe, dass Website und API bereits live sind und DeepThink im Chat getestet werden kann.
  • Die Aussage, dass wenige gelabelte Daten für eine deutliche Leistungssteigerung ausreichen (in der kurzen Fassung nicht genannt).

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Behauptung, dass alle sechs destillierten Modelle mit o1-mini mithalten sollen (kurze Fassung); der Bericht nennt diesen Vergleich nur für die 32B- und 70B-Modelle.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV offen
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 39 %einzelne zitierbare Belege
    • JEV offen
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV offen
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 24 %beantwortet teilweise oder widerspricht
    • Luna 42 %einzelne zitierbare Belege
    • JEV offen
    • amos 28 %beantwortet teilweise oder widerspricht
    • SubQ 30 %einzelne zitierbare Belege
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra 70 %einzelne zitierbare Belege

    • SF-H1-T05 Wie können Staaten zusammenarbeiten, um die Ausbreitung von Fähigkeiten zu beobachten, die durch Destillation aus großen, auf Sicherheit ausgerichteten Modellen in kleinere, weniger geregelte Modelle gelangen? Luna: Stufe 4 · 27 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 18 %einzelne zitierbare Belege
    • Luna 59 %einzelne zitierbare Belege
    • JEV offen
    • amos 36 %einzelne zitierbare Belege
    • SubQ 29 %einzelne zitierbare Belege
    • drex 38 %einzelne zitierbare Belege
    • d3-ultra 52 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 55 %einzelne zitierbare Belege
    • JEV offen
    • amos 26 %Hintergrund, keine Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV offen
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 67 %einzelne zitierbare Belege
    • JEV offen
    • amos 30 %einzelne zitierbare Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 34 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →