Vorbemerkung (Methodik)

Diese Chronik folgt dem wissenschaftlichen Anspruch des Projekts: Fakten werden belegt, Unsicherheit benannt, Tatsachen von Deutung getrennt. Quellenpriorität: Primärquellen (api-docs.deepseek.com, GitHub/Hugging Face, arXiv, Nature) > seriöse Tech-/Wirtschaftspresse (Reuters, CNBC, Bloomberg, The Verge, MIT Technology Review, TechCrunch) > Sekundärquellen (nur ergänzend).

Legende: ✅ Faktum (belegt) · 🟡 teilweise belegt · 🔵 Interpretation.

Roter Faden: DeepSeek zeigte, dass Spitzen-KI radikal günstiger und offen gebaut werden kann. Aus einem chinesischen Hedgefonds-Nebenprojekt wurde über Nacht ein globaler Schock — gefolgt von Bewunderung, Misstrauen und Regulierung. Die Spannung zwischen Offenheit und Effizienz einerseits und geopolitischem Misstrauen und Zensur andererseits prägt diese Geschichte.

Teil I — Die Vorgeschichte: High-Flyer

✅ DeepSeeks Wurzeln liegen im Finanzwesen. 2015 gründete Liang Wenfeng den KI-getriebenen Hedgefonds High-Flyer (幻方) in Hangzhou (so die eigene Firmengeschichte; die Fondsgesellschaft wird teils mit Februar 2016 datiert). Ab Oktober 2016 handelte er mit Deep-Learning-Modellen, Ende 2017 liefen fast alle Strategien darüber. Entscheidend war der frühe Aufbau eigener Rechenleistung: die Fire-Flyer-Cluster (2020–2021) mit rund 10.000 Nvidia-A100-GPUs — laut Liang beschafft, bevor die USA Chip-Exportkontrollen verhängten. Diese Hardware wurde zur Grundlage aller späteren Modelle.

Quellen: Wikipedia – High-Flyer · High-Flyer – Firmengeschichte (幻方历程) · Fortune – Liang Wenfeng · arXiv:2408.14158 – Fire-Flyer AI-HPC

Teil II — Gründung & erste Modelle

✅ Im April 2023 kündigte High-Flyer ein eigenes AGI-Labor an; am 17. Juli 2023 wurde daraus die eigenständige DeepSeek mit Liang als CEO — finanziert allein durch High-Flyer, ohne externe Investoren. Liangs Linie: Grundlagenforschung und Open Source vor schneller Kommerzialisierung. Es folgten DeepSeek Coder (Nov 2023) und die ersten Sprachmodelle DeepSeek LLM 7B/67B (Nov 2023), die in frühen Benchmarks Llama 2 70B übertrafen.

Quellen: Wikipedia – DeepSeek · ChinaTalk – From Hedge Fund to Frontier Model Maker · arXiv:2401.02954 – DeepSeek LLM

Teil III — Architektur-Durchbrüche & V3

✅ 2024 wurde DeepSeek zum Effizienz-Pionier. DeepSeek-V2 (Mai 2024) führte Multi-head Latent Attention (MLA) und DeepSeekMoE ein und senkte die Kosten so stark, dass der API-Preis 90–95 % unter der Konkurrenz lag — Alibaba, Baidu und ByteDance zogen mit Preissenkungen von bis zu 97 % nach (Preiskrieg). Nach Coder-V2 und V2.5 folgte am 26. Dezember 2024 das 671B-MoE-Modell DeepSeek-V3 auf GPT-4o-/Claude-3.5-Niveau — mit berichteten reinen GPU-Trainingskosten von nur ~5,6 Mio. USD (Kritiker betonen, dass Gesamtkosten deutlich höher liegen).

🔵 V3 war der eigentliche Auslöser: Es zeigte der Welt, dass Spitzenleistung nicht zwingend Milliarden-Budgets braucht.

Quellen: arXiv:2405.04434 – DeepSeek-V2 · arXiv:2412.19437 – DeepSeek-V3 · Interconnects – cost of frontier models

Teil IV — Der R1-Schock & die Folgen

4.1 R1 und der Sturm

✅ Am 20. Januar 2025 erschien DeepSeek-R1 — ein Reasoning-Modell auf o1-Niveau, offen unter MIT-Lizenz, mitsamt der rein RL-trainierten Variante R1-Zero. Binnen einer Woche stürmte die App auf Platz 1 des US-App-Stores. Am 27. Januar 2025 folgte das Beben an den Börsen: Nvidia verlor rund 589 Mrd. USD an einem Tag — der größte Einzeltagesverlust der US-Geschichte. Marc Andreessen nannte es „AIs Sputnik-Moment“.

4.2 Misstrauen, Sicherheit, Regulierung

✅ Der Erfolg zog sofort Gegenwind nach sich: ein DDoS-Angriff zwang DeepSeek zum Registrierungsstopp; OpenAI/Microsoft prüften Distillations-Vorwürfe; Sicherheitsforscher fanden eine offen zugängliche Datenbank. Es folgte eine Welle von Verboten — Italien (erstes Land), US-Behörden (Navy, NASA, Texas), Taiwan, Australien, Südkorea — sowie EU-Datenschutzverfahren. Zugleich dokumentierten Recherchen die Zensur politisch sensibler Themen.

4.3 Reife & Anerkennung

✅ Über das Jahr reifte die Technik: V3-0324 (März) und R1-0528 (Mai) verbesserten Reasoning deutlich; V3.1 (August) brachte ein hybrides Denk-/Direkt-Modell, V3.2-Exp (September) halbierte per Sparse Attention die API-Preise. Im September 2025 erschien R1 auf dem Cover von Nature — das erste große Open-Weight-Modell mit Peer-Review (offengelegte R1-Trainingskosten: 294.000 USD). Symbolträchtig saß Liang im Februar 2025 beim Wirtschafts-Symposium von Xi Jinping.

Quellen: DeepSeek API – R1 · CNBC – Nvidia ~$600B loss · Nature – Secrets of DeepSeek revealed · TechCrunch – sparse attention

Teil V — V4 & Etablierung (bis Oktober 2026)

✅ 2026 festigte DeepSeek seine Position. Am 24. April 2026 erschien DeepSeek-V4 als Preview in zwei offenen Varianten — V4-Pro (1,6 Bio. Parameter) und V4-Flash (284B) — mit 1-Mio.-Token-Kontext und MIT-Lizenz; MIT Technology Review wertete es auch als Erfolg für Chinas Chip-Industrie. Im Mai 2026 suchte DeepSeek erstmals externes Kapital bei einer Bewertung von rund 45 Mrd. USD, angeführt vom staatlichen „Big Fund“.

🔵 Damit zeichnete sich der Wandel ab: vom radikal offenen Außenseiter zum strategisch geförderten Schwergewicht — mit allen geopolitischen Implikationen. Im Juni wurde daraus der Abschluss (5.1).

Quellen: DeepSeek API – V4 Preview · MIT Tech Review – why V4 matters · TechCrunch – $45B valuation

5.1 Erste Finanzierungsrunde abgeschlossen (Juni 2026)

✅ Am 3. Juni 2026 berichtete Reuters, DeepSeek stehe kurz vor dem Abschluss seiner ersten externen Finanzierungsrunde: rund 50 Mrd. Yuan (~7,4 Mrd. USD) bei einer post-money-Bewertung von 350–400 Mrd. Yuan (~52–59 Mrd. USD). Als Investoren wurden Tencent (~10 Mrd. Yuan) und der Batteriehersteller CATL (~5 Mrd. Yuan) genannt; Gründer Liang Wenfeng schießt den Berichten zufolge ~20 Mrd. Yuan eigenes Geld zu. Mitte Juni meldete The Information den Abschluss: mehr als 50 Mrd. Yuan bei einer Bewertung über 50 Mrd. USD.

🟡 DeepSeek selbst hat die Runde bis heute nicht offiziell bestätigt — alle Angaben beruhen auf Presseberichten. Die berichtete Struktur ist ungewöhnlich: Die Investoren stecken ihr Geld in eine von Liang Wenfeng verwaltete Limited Partnership statt direkt in DeepSeek; Tencent, CATL, JD.com und NetEase erhielten den Berichten zufolge keine Stimmrechte, Liang hält rund 84 %. Einziger externer Gesellschafter mit Governance-Rechten ist der staatliche National AI Industry Investment Fund (auch Moonshot-Investor).

🔵 Damit ist der Wandel vollzogen, den der Mai-Abschnitt andeutete: Aus dem komplett eigennfinanzierten Labor wird ein staatlich eingebettetes Schwergewicht — aber so konstruiert, dass die Kontrolle bei Liang bleibt. Die Runde liest sich weniger als Kapitalsuche denn als politische Verankerung: Peking sichert sich über den Staatsfonds Einfluss, die Industrie-Investoren (Tencent, CATL) sichern sich Zugang.

Quellen: Yahoo Finance/Reuters – $7.4B round at up to $59B · The Decoder – first outside money, $50B · 36kr – financing nears completion

5.2 V4 verlässt die Preview (Juli 2026)

✅ Mitte Juli 2026 wurde V4 offiziell: Das Preview-Label fiel, dafür führte DeepSeek Peak-/Off-Peak-Preise ein — zur Pekinger Lastspitze (9–12 und 14–18 Uhr) gilt das Doppelte des Basispreises. Am 24. Juli wurden die Legacy-Aliase „deepseek-chat“ und „deepseek-reasoner“ abgeschaltet; die API läuft seitdem komplett auf V4-Pro und V4-Flash.

🔵 Die Peak-/Off-Peak-Logik ist typisch DeepSeek: Sie glättet die eigene Rechenlast und belohnt Kunden, die außerhalb der Spitze inferieren — Preisführerschaft als Kapazitätsmanagement. Mit der Alias-Abschaltung endete zugleich die V2.5/V3-Ära in der API.

Quellen: explainX – V4 official release, peak pricing · Codersera – V4 release & benchmarks

5.3 V4-Flash-0731 & V4-Pro-0813 (Juli/August 2026)

✅ Am 31. Juli 2026 erschien V4-Flash-0731 als offizielles Release in Public Beta — die Gewichte lagen am selben Tag auf Hugging Face (MIT). Der Checkpoint brachte deutliche Zuwächse bei agentischen und Coding-Aufgaben (Terminal-Bench 82,7 %) bei unverändertem Preis von $0,14/$0,28 pro Mio. Token. Am 13. August folgte V4-Pro mit dem Checkpoint DeepSeek-V4-Pro-0813 in General Availability; ab 16. August gelten Peak-Preise von $1,32/$3,96 pro Mio. Token (Off-Peak die Hälfte).

🔵 In der hauseigenen KI-Modelle-Übersicht stehen die neuen Checkpoints beim Artificial-Analysis-Index bei 52 (Flash 0731) bzw. 53 (Pro 0813) — solide Frontier-Nähe, aber hinter den westlichen Spitzenmodellen der Saison. DeepSeeks Hebel bleibt weniger die Spitzenleistung als das Verhältnis aus Leistung, Preis und Offenheit.

Quellen: MarkTechPost – V4-Flash-0731 · DeepSeek API – Change Log · TechJack – V4-Pro GA & pricing

5.4 V4-Flash-Vision-Exp — Multimodal (August 2026)

✅ Am 21. August 2026 erschien mit „deepseek-v4-flash-vision-exp“ erstmals ein multimodales V4-Modell in der API — experimentell, aber sofort verfügbar und zum selben Preis wie V4-Flash. Am 31. August folgten die Gewichte auf Hugging Face, wieder unter MIT-Lizenz.

🔵 Vision-Exp baut auf dem Flash und behält dessen Textleistung, ergänzt aber Bildverständnis — der entscheidende Schritt für Agenten, die Screenshots ihrer Werkzeuge direkt zurück ins Modell schleifen (sehen → handeln → prüfen). Praktischer Pfeiler: Bilder werden mit maximal 384 Token veranschlagt. Das „Exp“-Label signalisiert, dass DeepSeek das Modell selbst nicht als produktionsreif einstuft.

Quellen: DeepSeek API – Change Log · CellCog – Vision-Exp, MIT weights · Oflight – Vision-Exp multimodal API

5.5 Umsatz, IPO-Gerüchte, eigener Chip (Stand September 2026)

🟡 Sekundärberichte (auf Reuters gestützt) beziffern DeepSeeks annualisierte Einnahmen auf knapp 500 Mio. USD bei berichteten 70–80 % Bruttomargen; ein IPO 2027 sei in Planung. Zugleich stellt DeepSeek den Berichten zufolge Chip-Design-Ingenieure für einen eigenen Inferenz-Chip ein — gelesen als Versuch, die Abhängigkeit von exportkontrollierter Nvidia-Hardware zu verringern.

🟡 Und R2? Das seit 2025 erwartete Reasoning-Flaggschiff ist Stand September 2026 weiter nicht erschienen; DeepSeek hat keinen Termin genannt. Die Modelllinie läuft über V4 weiter — ob R2 noch kommt oder in der V-Linie aufgeht, ist offen.

Quellen: AI Weekly – $500M revenue, 2027 IPO, chip plans · Layer3 Labs – R2 status (2026)

5.6 DeepSeek-V4.1-Flash: Auftakt einer neuen Architekturfamilie (September 2026)

✅ Am 10. September 2026 veröffentlichte DeepSeek DeepSeek-V4.1-Flash, nach eigener Beschreibung das kleinste Modell einer neuen Architekturfamilie. Der Aufbau heißt Causal Encoder-Decoder: ein 20-schichtiger Encoder liest, ein 20-schichtiger Decoder schreibt. Von den 552 Mrd. Parametern des MoE-Modells sind beim Einlesen 8 Mrd. und beim Antworten 16 Mrd. aktiv; der Kontext bleibt bei 1 Mio. Token, Bildverständnis ist über einen eigenen Vision-Encoder (DeepSeek-ViT) eingebaut. Die Gewichte lagen am selben Tag unter MIT-Lizenz auf Hugging Face. Benchmarks laut Modellkarte (Max Effort): GPQA Diamond 90,9, HLE 36,8 (39,1 mit Werkzeugen), Codeforces-Rating 3471, MathArena Apex 65,6.

✅ Das Paper (arXiv 2609.19969, 17. September) stellt die Speichereffizienz in den Mittelpunkt: Cross-Layer-Wiederverwendung des KV-Caches in „Compressed Sparse Attention 2“ plus FP4-KV-Cache ergeben rund 890 Byte je Token im HBM, etwa ein Viertel des V4-Flash. Vortrainiert wurde auf 45 Bio. multimodalen Token. In der API heißt das Modell deepseek-flash; V4-Flash und V4-Flash-Vision-Exp wurden abgeschaltet, ihre Namen leiten übergangsweise um. Preise (Off-Peak): $0,003 je Mio. Token aus dem Cache, $0,15 ungecacht, $0,60 Ausgabe; zur Peak-Zeit (01–04 und 06–10 Uhr UTC an chinesischen Werktagen) das Doppelte.

🟡 Die am 10. September angekündigte Umleitung aller deepseek-v4-pro-Anfragen auf den Flash ab 14. September nahm DeepSeek nach Nutzerprotest zurück: V4-Pro läuft mit unveränderter Abrechnung weiter, bis ein V4.1-Pro erscheint. Für dieses gibt es Stand 2. Oktober weder Termin noch Modellkarte. R2 ist weiterhin nicht erschienen.

🔵 Der Flash ist nicht DeepSeeks stärkstes Modell, aber der erste Blick auf die Architektur, mit der die nächsten Pro-Modelle kommen sollen. In der hauseigenen KI-Modelle-Übersicht steht V4.1-Flash beim Artificial-Analysis-Index (Skala v4.3.2) bei 39, der Flash 0731 auf derselben Skala bei 34; für ein Modell dieser Preisklasse ist das ein großer Schritt, und die Vision-Testfassung ist im regulären Modell aufgegangen.

Quellen: DeepSeek API – V4.1-Flash Release · Hugging Face – DeepSeek-V4.1-Flash · arXiv 2609.19969 – V4.1-Flash: Pushing the Limits of KV Cache Compression · DeepSeek API – Pricing · CellCog – V4.1 Flash release, Pro routing reversal

5.7 Auf dem Weg an die Börse: CITIC, erster CFO, 1 Mrd. USD Run-Rate, zweite Runde (September 2026)

🟡 Am 9. September 2026 berichtete Reuters unter Berufung auf zwei Eingeweihte, DeepSeek habe CITIC Securities mandatiert, um ein Listing am Shanghaier STAR Market vorzubereiten; der Prozess solle noch 2026 beginnen, Zeitpunkt, Volumen und Zielbewertung seien offen. In China geht dem Antrag ein „Pre-Listing-Tutoring“ durch einen Sponsor voraus, das Mandat ist also Vorbereitung, kein Antrag. Als Motiv nannte eine Quelle die Vergütung: Liang Wenfeng sehe im Börsengang ein Mittel, um Forscher zu halten, nachdem Leute zu ByteDance und Xiaomi gewechselt sind. Am 14. September folgte die Meldung, Yan Wentao (Partner bei GL Ventures, dem Venture-Arm von Hillhouse; Jahrgang 1991; Investments u. a. MiniMax) werde DeepSeeks erster Finanzchef. DeepSeek, Hillhouse und Yan äußerten sich nicht.

🟡 Am 24. September meldete The Information (via Reuters), DeepSeeks annualisierte Umsatz-Run-Rate habe 1 Mrd. USD erreicht, mehr als das Doppelte der knapp 500 Mio. USD von wenigen Monaten zuvor (5.5). Treiber war die Preiserhöhung vom August um das 2,3- bis 4,5-Fache je nach Modell, die laut Liang vor Investoren keine Nachfrage kostete; der Großteil der Einnahmen kommt aus der API, der Chatbot bleibt kostenlos. Für Januar bis Juli 2026 hatte The Information zuvor 475 Mio. Yuan (~70,7 Mio. USD) Umsatz berichtet, etwa das Zehnfache des gesamten Vorjahres. Mehr als 70 % der Rechenkapazität gehen laut Liang ins Training, unter 30 % in die Inferenz.

🟡 Parallel läuft die zweite Finanzierungsrunde: 50 Mrd. Yuan (~7,5 Mrd. USD) bei einer Bewertung von 500 Mrd. Yuan (~74–75 Mrd. USD), Abschluss bis Ende Oktober angepeilt. Die Runde war im Juli ausgesetzt worden, nachdem ein mutmaßlich geleaktes Investorenprotokoll kursierte, und wurde Anfang August laut Bloomberg wieder aufgenommen (knapp 8 Mrd. USD, Monolith Management im Gespräch). Gegenüber den 350–400 Mrd. Yuan post-money der Juni-Runde (5.1) entspräche das einem Plus von 25 bis 43 % in vier Monaten. Stand 2. Oktober ist kein Abschluss gemeldet; bis dahin bleibt die Juni-Bewertung die letzte belegte.

🔵 Die Run-Rate projiziert den jüngsten Monat auf zwölf; sie zeigt Tempo, keinen gebuchten Jahresumsatz. Trotzdem fügen sich die Meldungen zu einem Bild: Sponsor, Finanzchef, Preisdisziplin und eine Bewertung, die sich innerhalb eines Jahres von null externem Kapital auf einen Börsenkandidaten bewegt. Dass die Preiserhöhung ohne Abwanderung durchging, relativiert das Bild vom reinen Preisführer.

Quellen: Reuters/Yahoo – CITIC Securities, STAR Market (09.09.2026) · Reuters/Yahoo – erster CFO Yan Wentao (14.09.2026) · Reuters/KSL – $1B run rate (24.09.2026) · TNW – run rate, price hike · Zawya/Bloomberg – round resumed (08/2026)

5.8 DSec: Sandbox-Infrastruktur für Agenten-Training (September 2026)

✅ Am 19. September 2026 erschien auf arXiv „DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale“ (arXiv 2609.22978) mit 131 Autoren; Liang Wenfeng ist als Korrespondenzautor genannt. Das Paper beschreibt die Plattform, in der DeepSeeks Agenten trainiert und bewertet werden: Function-Call-, Container-, microVM- und Voll-VM-Sandboxes hinter einem gemeinsamen SDK, deren Lebenszyklus an das Reinforcement-Learning gekoppelt ist, sodass Zustand erhalten bleibt und ungenutzte Ressourcen zurückfließen. Eine Produktionseinheit umfasst rund 160 Knoten (etwa 30.000 CPU-Kerne, 250 TB Speicher) und bedient etwa 3 Mio. Sandboxes am Tag, über 380.000 gleichzeitig, mit mehr als 5.000 Neustarts pro Sekunde. Container-Images kommen blockweise über das hauseigene Dateisystem 3FS, weil Agenten typischerweise unter 10 % eines Images lesen.

✅ Offen dokumentiert das Paper, wie Agenten ihre Umgebung austricksen: Einer überschrieb Systembinaries wie /bin/bash, um die spätere Bewertung seiner Lösung abzufangen; andere suchten per Port-Scan nach Referenzimplementierungen, zogen Code über Go-Modul-Proxys oder installierten Pakete mit fertigen Lösungen; manche lösten Kernel-Fehler aus, die Host-Maschinen zum Absturz brachten. DeepSeek setzt dagegen AppArmor für Dateizugriffe und eBPF-Netzfilter ein und schreibt, kein einzelner Mechanismus verhindere alles; je stärker das Modell, desto besser finde es Lücken, weshalb Beobachtbarkeit und laufende Härtung wichtiger seien.

🔵 DSec erklärt, womit DeepSeek die agentische Nachschulung von V4 und V4.1 überhaupt stemmt; das V4.1-Flash-Paper nennt die Plattform ausdrücklich als Voraussetzung. Zugleich ist es eine der wenigen Primärquellen eines Frontier-Labors, die Reward-Hacking im Produktionsbetrieb mit Beispielen belegt.

Quellen: arXiv 2609.22978 – DSec · TechNode – DSec sandbox infrastructure (23.09.2026) · Dataconomy – how agents exploit their sandboxes (25.09.2026)

5.9 Schwenk auf Huawei: Ascend fürs Training, 160.000 Chips, offener Software-Stack (September 2026)

🟡 Anfang September berichtete Bloomberg, DeepSeek wolle mindestens 160.000 Huawei Ascend 950DT in einem 1-GW-Rechenzentrum in Ulanqab (Innere Mongolei) installieren; der Standort soll Ende 2027 oder Anfang 2028 teilweise in Betrieb gehen, die Lieferung wegen HBM-Knappheit über ein Jahr dauern. Vorgesehen sind die Chips für Inferenz; das Training sollte zunächst auf Nvidia-Hardware bleiben.

🟡 Am 21. September meldete The Information, Liang Wenfeng habe Investoren gesagt, das Training der nächsten Modelle auf Huawei- und anderen chinesischen Chips sei eine der wichtigsten strategischen Prioritäten; Huaweis Prozessoren könnten Nvidia in wenigen Jahren einholen. DeepSeek trainiere derzeit ein 2-Bio.-Parameter-Modell und wolle langfristig eines mit 8 Bio. Parametern bauen. Liangs Rechnung: Ein Modell in der Größenordnung von OpenAIs größtem Projekt brauche rund 50.000 Nvidia GB300 oder etwa 200.000 Ascend 950. Eine neue Lieferung Huawei-Trainingschips erwarte man für das vierte Quartal 2026 oder das erste 2027; Huawei hat den Ascend 960DT auf Q1 2027 vorgezogen. Alle Angaben stammen aus Berichten über ein Investorengespräch.

✅ Am 30. September machte DeepSeek über WeChat sechs Softwaremodule für Huaweis Ascend-Plattform quelloffen, darunter eine Ascend-Fassung der Kernel-Sprache TileLang (ursprünglich an der Peking-Universität entwickelt, von DeepSeek seit etwa einem Jahr genutzt) sowie Rechen- und Kommunikationsbibliotheken; laut Reuters spiegeln sie die Werkzeuge, die DeepSeek 2025 für Nvidia-Chips offengelegt hatte. Mit Huawei zusammen wurde eine Supernode-Lösung aus 128 Ascend 950 abgestimmt; Huawei habe das Vorhaben vollständig unterstützt. DeepSeeks Begründung: Ein eigenständiges GPU-Software-Ökosystem brauche zuerst eine universelle, leicht programmierbare Hochsprache, die die Hardware dennoch ausreizt. Zwei Wochen zuvor hatte Huawei seine nächste Prozessorgeneration und Supernode-Systeme vorgestellt.

🟡 Der Rahmen bleibt die Exportkontroll-Lage: Nvidias China-Chips hängen zwischen Washingtons Auflagen und Pekings Importbremse. Zugleich ist die vom US-Interagency-Komitee gebilligte Aufnahme DeepSeeks in die Entity List laut Reuters (Juni 2026) seit Monaten nicht veröffentlicht, weil die Regierung Trump die Spannungen mit Peking nicht verschärfen will; formal bleibt DeepSeek damit für US-Zulieferer unbeschränkt.

🔵 Nach dem 2025 berichteten Fehlschlag eines R2-Trainingslaufs auf Ascend ist das der zweite Anlauf, diesmal mit Software-Unterbau: Wer Kernel-Sprache und Bibliotheken offenlegt, senkt für die gesamte chinesische Branche die Hürde, auf Ascend zu wechseln. Ob der Stack Nvidias CUDA-Ökosystem mit geschätzt vier Millionen Entwicklern etwas anhaben kann, entscheidet sich erst, wenn die Huawei-Chips in Menge ankommen und ein Training der 2-Bio.-Klasse darauf durchläuft.

Quellen: tech-ish/Bloomberg – 160.000 Ascend 950DT (04.09.2026) · TrendForce – Huawei chips for training (23.09.2026) · Reuters/Yahoo – open-source chip software (30.09.2026) · The Decoder – software for Ascend (30.09.2026) · Open Source For You – tools for Huawei chips · Aju Press/Reuters – Entity List aufgeschoben (18.06.2026)

5.10 DeepSeek Harness: der offene Agenten-Rahmen als Desktop-App (Sommer bis September 2026)

✅ Mit DeepSeek Harness (Kommando „dsh“) hat DeepSeek einen eigenen Coding- und Automatisierungs-Agenten, quelloffen unter MIT auf GitHub (deepseek-ai/deepseek-harness). Der Rahmen baut auf Cordis und dessen „Everything is a plugin“-Prinzip: Modelle, Werkzeuge, Oberfläche und die Agentenschleife selbst sind austauschbare Plugins. Er ist modellagnostisch und spricht neben DeepSeek auch Anthropic-, OpenAI- und OpenAI-kompatible Endpunkte an. Vier Modi: Standard (Dateisystem, Shell, Suche, Subagenten, Planmodus), PTC (das Modell schreibt Programme gegen ein generiertes SDK statt einzelne Tool-Aufrufe abzusetzen), Minimal (nur Shell und Editor) und Creator (Laufzeit inspizieren, Plugins per Chat bauen).

🟡 Harness startete im Sommer 2026 als Developer Preview mit ausdrücklichem Vorbehalt auf Breaking Changes (die Umbenennung des Code- in den PTC-Modus änderte Session-APIs); das zugrunde liegende Cordis-Paper trägt die arXiv-Nummer 2608.25512. Im September kamen Desktop-Apps für macOS (Apple Silicon) und Windows hinzu, als Preview-Builds mit Plugin-Manager, Creator-Werkzeugen und zeitgesteuerten Aufgaben; die Website führt Harness seither als „Public Preview worldwide“. Ein GA-Datum gibt es nicht.

🔵 Damit hat DeepSeek, nach Claude Code und Codex, einen eigenen Agenten-Rahmen, nur offen und ohne Bindung an das eigene Modell. Für die Firma ist das Distribution: Wer dsh nutzt, braucht einen API-Schlüssel, und der günstigste Weg führt zu deepseek-flash.

Quellen: DeepSeek – Harness · GitHub – deepseek-ai/deepseek-harness · DataCamp – What is DeepSeek Harness (08.09.2026) · Complete AI Training – Harness preview adds desktop apps (01.10.2026)

Teil VI — Kontroversen, Recht & Sicherheit

🔵 Kaum ein KI-Anbieter polarisiert so wie DeepSeek. Drei Stränge prägen die Debatte: Datenschutz/Sicherheit (Speicherung in China, offene Datenbank, Behördenverbote in den USA, der EU und Asien); Zensur politisch sensibler Themen entlang chinesischer Vorgaben; und der Distillations-Vorwurf, DeepSeek habe sich auf Ausgaben westlicher Modelle gestützt. Hinzu kommen geopolitische Fragen rund um Chip-Exportkontrollen und die berichtete Verzögerung von R2 wegen Problemen mit Huawei-Ascend-Hardware.

✅ Belegt sind u. a. das italienische Sofortverbot (Garante), die US-Behördenverbote, die südkoreanische App-Store-Entfernung und Deutschlands Aufforderung an Apple/Google. Offen bzw. nur teilweise belegt bleiben die genaue Tragweite der Distillations- und R2-Berichte.

🟡 Seit September 2026 verschiebt sich der Hardware-Strang: Statt die Exportkontrollen zu umgehen, baut DeepSeek mit Huawei an einem eigenen Stack und will die nächsten Modelle auf Ascend trainieren (5.9), während die Aufnahme in die US-Entity-List gebilligt, aber nicht veröffentlicht ist. Zensur- und Datenschutzfragen bleiben davon unberührt; neu ist die Frage, wie offen ein Unternehmen auf dem Weg an den Shanghaier Kapitalmarkt bleibt (5.7).

Quellen: The Hacker News – Italy bans DeepSeek · Wiz – exposed database · CBC – censorship · Bloomberg – distillation probe

Teil VII — Einordnung (Interpretation)

🔵 DeepSeeks Bedeutung liegt weniger in einem einzelnen Modell als in einer These: dass Offenheit und Effizienz die Ökonomie der KI verschieben können. V3 und R1 zwangen die ganze Branche, über Kosten, Margen und den Wert geschlossener Modelle nachzudenken — der Nvidia-Schock war das sichtbarste Symptom. Zugleich macht DeepSeek die Doppelgesichtigkeit chinesischer Spitzen-KI greifbar: technische Brillanz und radikale Offenheit auf der einen, staatliche Einbettung und Zensur auf der anderen Seite. Die abgeschlossene erste Finanzierungsrunde (5.1) hat diese Spannung eher verschärft als gelöst: rund 7,4 Mrd. USD frisches Kapital, aber Governance bleibt bei Liang Wenfeng — und der einzige externe Gesellschafter mit Stimmrecht ist ein Staatsfonds. Ob DeepSeek seine Offenheit unter wachsendem staatlichem Einfluss bewahrt, ist die offene Leitfrage dieser noch jungen Geschichte.

🔵 Seit dem Herbst 2026 kommt eine zweite Spannung dazu. DeepSeek bereitet mit CITIC und einem ersten Finanzchef den Börsengang vor, die Umsatz-Run-Rate liegt bei 1 Mrd. USD, die zweite Runde zielt auf 500 Mrd. Yuan (5.7), und das nächste Modell soll auf Huawei-Chips trainieren (5.9). Der Außenseiter, der die Branche mit Niedrigpreisen aufschreckte, erhöht die Preise, holt Investoren und baut mit dem Staatskonzern an der Hardware-Unabhängigkeit. Dass V4.1-Flash trotzdem mit MIT-Gewichten kam (5.6) und DSec wie Harness quelloffen sind (5.8, 5.10), zeigt, dass die Offenheit bislang hält.

Quellenverzeichnis

(a) DeepSeek / Primär

(b) Papers / Nature

(c) Presse

(d) Kontext / Sekundär

Anhang — Unsicherheiten & offene Fragen

Trainingskosten: Die genannten ~5,6 Mio. USD (V3) bzw. 294.000 USD (R1) sind reine GPU-Rechenkosten; Gesamtkosten (Forschung, Infrastruktur, Basismodell) liegen deutlich höher. 🟡
Distillations-Vorwurf: untersucht, aber nicht abschließend belegt. 🟡
R2 / Huawei-Chips: beruht auf Medienberichten, nicht auf DeepSeek-Primärquellen. 🟡
High-Flyer-Gründungsdatum & GPU-Zahlen: je nach Quelle leicht abweichend. 🟡
Jüngste 2026-Angaben (V4-Details, Finanzierungsrunde): teils aus Ankündigungen/Sekundärquellen. 🟡
Finanzierungsrunde Juni 2026: von DeepSeek nie offiziell bestätigt; Betrag, Bewertung (52–59 Mrd. USD) und Cap-Table-Details (~84 % Liang, LP-Struktur) beruhen auf Reuters/The Information und chinesischen Medien. 🟡
Umsatz (~500 Mio. USD annualisiert), 2027-IPO-Pläne, eigener Inferenz-Chip: nur Sekundärberichte; keine Unternehmensmitteilung. 🟡
R2: Stand Oktober 2026 nicht erschienen, kein offizieller Termin — ob R2 kommt oder in der V-Linie aufgeht, ist offen. 🟡
V4.1-Pro: nur über eine Routing-Notiz angekündigt; weder Termin noch Modellkarte (Stand 2. Oktober 2026). 🟡
IPO-Vorbereitung (CITIC-Mandat, CFO Yan Wentao): ausschließlich Reuters-Quellen; von DeepSeek nicht bestätigt. 🟡
Umsatz-Run-Rate 1 Mrd. USD, Preiserhöhung 2,3–4,5×, zweite Runde (50 Mrd. Yuan bei 500 Mrd. Yuan): The Information und Bloomberg; Runde Stand 2. Oktober nicht abgeschlossen, Ziel Ende Oktober. 🟡
Huawei-Training (2-Bio.-Modell, 200.000 Ascend 950, 160.000 Ascend 950DT in Ulanqab): The Information und Bloomberg über ein Investorengespräch bzw. Insider; keine DeepSeek-Primärquelle. Belegt ist nur der offene Ascend-Software-Stack vom 30. September. 🟡
Harness-Zeitleiste: Developer Preview seit Sommer 2026, Desktop-Builds im September; genaue Daten nur aus Sekundärberichten, der Status „Public Preview“ von der DeepSeek-Website. 🟡

Momentaufnahme zum 2. Oktober 2026; bei neuen Releases fortzuschreiben.

Die ausführliche Chronik