DeepSeek se tornou viral.
O laboratório de IA chinês DeepSeek entrou na consciência mainstream esta semana, depois que seu aplicativo de chatbot subiu ao topo das paradas da App Store da Apple (e do Google Play, também). Os modelos de IA da DeepSeek, que foram treinados usando técnicas de computação eficientes, levaram analistas de Wall Street — e tecnólogos — a questionar se os EUA podem manter sua liderança na corrida da IA e se a demanda por chips de IA será sustentável.
Mas de onde veio a DeepSeek e como ela ganhou fama internacional tão rapidamente?
As origens comerciais da DeepSeek
A DeepSeek é apoiada pela High-Flyer Capital Management, um fundo de hedge quantitativo chinês que usa IA para informar suas decisões de negociação.
O entusiasta de IA Liang Wenfeng co-fundou a High-Flyer em 2015. Wenfeng, que supostamente começou a se envolver com negociação enquanto era estudante na Universidade de Zhejiang, lançou a High-Flyer Capital Management como um fundo de hedge em 2019, focado no desenvolvimento e implementação de algoritmos de IA.
Em 2023, a High-Flyer iniciou a DeepSeek como um laboratório dedicado à pesquisa de ferramentas de IA, separado de seu negócio financeiro. Com a High-Flyer como um de seus investidores, o laboratório se desdobrou em sua própria empresa, também chamada DeepSeek.
Desde o primeiro dia, a DeepSeek construiu seus próprios clusters de data center para treinamento de modelos. Mas, como outras empresas de IA na China, a DeepSeek foi afetada pelas proibições de exportação de hardware dos EUA. Para treinar um de seus modelos mais recentes, a empresa foi forçada a usar chips Nvidia H800, uma versão menos poderosa de um chip, o H100, disponível para empresas dos EUA.
A equipe técnica da DeepSeek é dita ter uma composição jovem. A empresa supostamente recruta agressivamente pesquisadores de IA com doutorado de universidades chinesas de topo. A DeepSeek também contrata pessoas sem formação em ciência da computação para ajudar sua tecnologia a entender melhor uma ampla gama de assuntos, segundo o New York Times.
Os modelos robustos da DeepSeek
A DeepSeek revelou seu primeiro conjunto de modelos — DeepSeek Coder, DeepSeek LLM e DeepSeek Chat — em novembro de 2023. Mas foi apenas na primavera passada, quando a startup lançou sua próxima geração de modelos, a família DeepSeek-V2, que a indústria de IA começou a prestar atenção.
O DeepSeek-V2, um sistema de análise de texto e imagem de uso geral, teve um bom desempenho em vários benchmarks de IA — e era muito mais barato de operar do que modelos comparáveis na época. Isso forçou a concorrência doméstica da DeepSeek, incluindo ByteDance e Alibaba, a reduzir os preços de uso de alguns de seus modelos e tornar outros completamente gratuitos.
O DeepSeek-V3, lançado em dezembro de 2024, apenas aumentou a notoriedade da DeepSeek.
De acordo com os testes de benchmark internos da DeepSeek, o DeepSeek V3 supera tanto modelos disponíveis para download e abertos, como o Llama da Meta, quanto modelos “fechados” que só podem ser acessados por meio de uma API, como o GPT-4 da OpenAI.
Igualmente impressionante é o modelo de raciocínio R1 da DeepSeek. Lançado em janeiro, a DeepSeek afirma que o R1 tem desempenho equivalente ao modelo o1 da OpenAI em benchmarks-chave.
Sendo um modelo de raciocínio, o R1 efetivamente verifica a si mesmo, o que ajuda a evitar algumas das armadilhas que normalmente atrapalham os modelos. Modelos de raciocínio levam um pouco mais de tempo — geralmente segundos a minutos a mais — para chegar a soluções em comparação com um modelo não-raciocínio típico. O lado positivo é que eles tendem a ser mais confiáveis em domínios como física, ciência e matemática.
Há uma desvantagem, no entanto, para o R1, DeepSeek V3 e outros modelos da DeepSeek. Sendo IA desenvolvida na China, eles estão sujeitos a avaliações pela agência reguladora da internet da China para garantir que suas respostas “incorporem valores socialistas centrais”. No aplicativo de chatbot da DeepSeek, por exemplo, o R1 não responderá a perguntas sobre a Praça da Paz Celestial ou a autonomia de Taiwan.
Uma abordagem disruptiva
Se a DeepSeek tem um modelo de negócios, não está claro qual é exatamente. A empresa precifica seus produtos e serviços bem abaixo do valor de mercado — e dá outros de graça.
Do jeito que a DeepSeek conta, avanços em eficiência permitiram que ela mantivesse uma competitividade extrema em termos de custo. Alguns especialistas contestam, no entanto, os números que a empresa forneceu.
De qualquer forma, os desenvolvedores aderiram aos modelos da DeepSeek, que não são de código aberto como o termo é comumente entendido, mas estão disponíveis sob licenças permissivas que permitem uso comercial. De acordo com Clem Delangue, CEO da Hugging Face, uma das plataformas que hospeda os modelos da DeepSeek, os desenvolvedores na Hugging Face criaram mais de 500 modelos “derivados” do R1 que acumularam 2,5 milhões de downloads combinados.
O sucesso da DeepSeek contra rivais maiores e mais estabelecidos foi descrito como “desestabilizando a IA” e “supervalorizado”. O sucesso da empresa foi, em parte, responsável por causar uma queda de 18% no preço das ações da Nvidia na segunda-feira e por provocar uma resposta pública do CEO da OpenAI, Sam Altman.
A Microsoft anunciou que a DeepSeek está disponível em seu serviço Azure AI Foundry, a plataforma da Microsoft que reúne serviços de IA para empresas sob uma única bandeira. Quando questionado sobre o impacto da DeepSeek nos gastos com IA da Meta durante a teleconferência de resultados do primeiro trimestre, o CEO Mark Zuckerberg disse que os gastos com infraestrutura de IA continuarão a ser uma “vantagem estratégica” para a Meta.
Ao mesmo tempo, algumas empresas estão banindo a DeepSeek, assim como países e governos inteiros. O estado de Nova York também baniu a DeepSeek de ser usada em dispositivos governamentais.
Quanto ao que o futuro da DeepSeek pode reservar, não está claro. Modelos aprimorados são uma certeza. Mas o governo dos EUA parece estar se tornando cauteloso em relação ao que percebe como influência estrangeira prejudicial.