DeepSeek sammelt 15 Mrd. USD ein und erhält chinesische Exportfreigabe für Open-Source-Modelle

DeepSeek positioniert sich als schwergewichtigstes Open-Source-Foundation-Lab ausserhalb der USA. Mit dem 763-Milliarden-Parameter-Modell V4.1 Flash konkurriert das Hangzhouer Lab direkt mit proprietären Frontier-Modellen – bei deutlich niedrigeren Inferenzkosten, was laut Community-Beobachtern den Preisdruck auf OpenAI und Anthropic verschärft. Die Freigabe durch chinesische Regulatoren beseitigt einen zentralen Unsicherheitsfaktor für internationale Nutzer und Partner. Eine Bewertung ist nicht öffentlich bekannt. Strategisch agiert DeepSeek als Anbieter für Self-Hosting-Communitys und als Referenzpunkt für Open-Weight-MoE-Architektur. Die US-Chipexportrestriktionen bleiben eine strukturelle Belastung, scheinen aber die Kapitalbeschaffung bisher nicht wesentlich gebremst zu haben.

Die grösste Meldung des Beobachtungszeitraums ist die gemeldete Finanzierungsrunde: DeepSeek soll 15 Mrd. USD eingesammelt haben – trotz fortbestehender US-Exportrestriktionen auf Hochleistungschips. Damit verfügt das Lab über Kapital, das einen erheblichen Infrastrukturausbau ermöglicht. Die Runde ist bisher als Gerücht eingestuft; unabhängige Bestätigung steht aus.

Produktseitig wurde DeepSeek V4.1 Flash mit 763 Milliarden Parametern in llama.cpp integriert, was das Self-Hosting für eine breitere Nutzergruppe zugänglich macht. Parallel dazu hat ISTA-DASLab eine GSQ-RCO-Quantisierung unter dem Namen DeepSeek-V4.1-Flash-1017 veröffentlicht, die allerdings noch nicht nativ in llama.cpp läuft – Nutzer sind vorerst auf Forks wie Xolotl oder Maya angewiesen. Das Maya-XS-Projekt meldete zudem, dass alle 384 Experten des Modells auf Consumer-Hardware mit 128 GB Unified Memory vollständig im Speicher gehalten werden können, was Offloading-Engpässe beseitigt.

DeepSeek und MiniMax haben die chinesischen KI-Exportauflagen für Open-Source-Releases erfüllt, was künftige internationale Modellveröffentlichungen auf eine klar definierte Rechtsgrundlage stellt. Dieser Schritt dürfte die Akzeptanz in regulierten Märkten erhöhen.

Auf der Wettbewerbsebene zeigt ein Benchmark-Vergleich Schwächen: Qwen 3.8 Flash Next schlägt DeepSeek V4.1 Flash auf HumanEval bei 31 % geringerem Speicherbedarf und ohne die beim DeepSeek-Modell beobachteten Doom-Loops. Community-Diskussionen um die 2-Bit-Quantisierung warnen zudem, dass gesättigte Benchmarks Qualitätsverluste bei extremer Kompression verschleiern können – eine offene Validierungslücke.

Die ausstehenden Pull Requests für llama.cpp-Kompatibilität der GSQ-RCO-Quantisierung dürften in naher Zukunft geschlossen werden, was das lokale Deployment von DeepSeek-V4.1-Flash-1017 ohne Forks ermöglicht. Ein offizieller Tech Report zu V4.1 Flash liegt laut Post bereits vor und wird in der Community aktiv rezipiert – vertiefte Analyse-Publikationen sind zu erwarten. Die gemeldete 15-Mrd.-USD-Runde, sofern bestätigt, würde Infrastrukturinvestitionen in einem Ausmass ermöglichen, das die Modell-Roadmap erheblich beschleunigen könnte. Hinweise auf konkrete kommende Modellversionen oder angekündigte Produkt-Releases finden sich in den vorliegenden Posts nicht; auch zu Personalien oder Partnerschaften fehlen belastbare Signale.