DeepSeek история создания

🧠 DeepSeek: как древнейшая цивилизация создала ИИ, который изменил правила игры.

В январе 2025 года мир технологий пережил шок. Акции Nvidia за один день рухнули почти на 17%, стерев около 600 миллиардов долларов рыночной стоимости. Случилось крупнейшее однодневное падение в истории американского фондового рынка.

Причина вовсе не война, не санкции и не катастрофа. А скромный по западным меркам стартап из Ханчжоу, который выпустил модель, способную думать, стоившую в разы дешевле конкурентов.
Так мир узнал имя DeepSeek.

Эта история — не просто хроника технологического стартапа. Это рассказ о том, как древнейшая цивилизация планеты, накопившая тысячелетия опыта выживания, стратегического терпения и философской глубины, вошла в эпоху искусственного интеллекта.
И заставила Запад пересмотреть собственные представления о том, как и зачем создаётся ИИ. 🏮🐉

🏮 Начало: хедж-фонд, видеокарты и мечта о разуме

DeepSeek не появился из ниоткуда.
Его родитель — High-Flyer, количественный хедж-фонд, основанный в 2015 году в Ханчжоу, городе с тысячелетней историей, бывшей столице династии Южная Сун.

High-Flyer использовал машинное обучение для торговли на бирже, и его соучредитель Лян Вэньфэн, выпускник Чжэцзянского университета 1985 года рождения. Он ещё в 2008 году начал исследования в области машинного зрения. 👁️

Ключевой момент наступил в 2021 году.
Лян Вэньфэн, предвидя грядущий дефицит вычислительных мощностей, закупил около 10 000 графических процессоров Nvidia A100.
До того, как экспортные ограничения США закрыли этот канал.
Этот стратегический запас чипов, накопленный за годы до того, как мир осознал их ценность, стал фундаментом будущего прорыва.

В 2023 году High-Flyer потратил около 139 миллионов долларов на строительство собственного суперкомпьютера. 💻⚡

14 апреля 2023 года High-Flyer объявил о создании исследовательской лаборатории ИИ.
А 17 июля 2023 года DeepSeek стал отдельной компанией.

С самого начала Лян Вэньфэн поставил неординарную цель: не быстрая коммерциализация, а исследования на пути к искусственному общему интеллекту (AGI).
Компания финансировалась исключительно из прибыли хедж-фонда — без венчурных инвесторов, без внешнего давления, без необходимости отчитываться перед акционерами. 🎯

Штат DeepSeek в 2025 году насчитывал менее 200 человек — для сравнения, в OpenAI где тогда работало не менее 3500 сотрудников.
Это была маленькая, молодая, но невероятно эффективная команда. 👥

⚙️ Технологическая одиссея: от первого кода до миллиона токенов

Путь DeepSeek к вершине был стремительным, но методичным. Каждая модель решала конкретную инженерную задачу и закладывала основу для следующего шага. 🚀

Ноябрь 2023 — DeepSeek Coder и DeepSeek LLM 67B. 🧩 Первые публичные модели. Скромное начало, но уже с прицелом на открытость.

Май 2024 — DeepSeek-V2. 💡 Поворотный момент. Модель сочетала две ключевые технологии: Mixture-of-Experts (MoE).  Архитектуру, где на каждый токен активируется лишь малая часть «экспертных» подсетей.
И Multi-head Latent Attention (MLA), сжимающее память, которую модель хранит о длинном запросе.

Результат: API-цена около 1 юаня за миллион входных токенов.
В течение нескольких недель ByteDance, Alibaba, Baidu и Tencent были вынуждены снизить собственные цены.

Китайские СМИ назвали это «ценовой войной», и DeepSeek её начал. 💰🔥

Декабрь 2024 — DeepSeek-V3. 🏗️
Модель с 671 миллиардом общих параметров (37 миллиардов активных на токен), обученная на 14,8 триллиона токенов.
Финальный прогон обучения занял около 2,79 миллиона GPU-часов на Nvidia H800 — по цене 2 доллара за час. Это дало знаменитую цифру «5,6 миллиона долларов» за обучение фронтирной модели.
Цифра реальна, но узка: она покрывает только последний прогон и не включает исследования, неудачные запуски, работу с данными и зарплаты.
И всё же сигнал был однозначен: фронтирный ИИ не требует девятизначных бюджетов. 📉

Январь 2025 — DeepSeek-R1. Тот самый шок. ⚡

Выпущенная 20 января 2025 года, R1 была reasoning-моделью: она «думает» пошагово, прежде чем ответить, в стиле OpenAI o1.

Но три вещи сделали её уникальной.
Во-первых, она распространялась под лицензией MIT — любой мог скачать, запустить и строить на её основе.

Во-вторых, приложение показывало пользователю полную цепочку рассуждений модели.

В-третьих, вышли дистиллированные версии на базе Qwen и Llama, способные работать даже на ноутбуке.

Через неделю после релиза бесплатное приложение DeepSeek обошло ChatGPT в топе бесплатных приложений App Store в США. 📱🥇

2025–2026 — От V3.1 к V4.1 Flash. 🔄
В августе 2025 года V3.1 объединила «думающий» и «быстрый» режимы в одной модели.
V3.2-Exp в сентябре представила DeepSeek Sparse Attention, читающее только релевантные части длинного контекста, и снова уполовинила цены API.

В апреле 2026 года вышло семейство V4 с контекстным окном в 1 миллион токенов и лицензией MIT.

V4 Pro получила 1,6 триллиона общих параметров, V4 Flash — 284 миллиарда. 📚

Сентябрь–октябрь 2026 — DeepSeek V4.1 Flash. 🆕

Первая и самая маленькая модель новой архитектуры DeepSeek с нативным мультимодальным зрением. Версия V4.1-Flash-1017 (17 октября 2026) принесла то, что компания называет «желаемым программированием».
Благодаря обучению на основе самоподкрепления модель способна создавать с нуля целые проекты — от 3D-моделей до веб-игр — по короткому описанию, при этом выполняя задачи быстрее и с меньшим объёмом вывода, чем предыдущая версия. ✨

🔬 Наука как фундамент: исследования, которые меняют правила

DeepSeek с первого дня позиционировал себя не как продуктовую компанию, а как исследовательскую лабораторию.
Компания публикует подробные технические отчёты, включая цифры затрат, — редкость среди фронтирных лабораторий.
Её вклад в науку об ИИ выходит далеко за пределы собственных моделей. 📖

В январе 2026 года DeepSeek открыл на GitHub модуль Engram и опубликовал совместную с Пекинским университетом статью о «условной памяти». О новом измерении разреженности больших языковых моделей.

Идея: отделить «память» от «вычислений». Engram позволяет модели через хеш-функции напрямую извлекать векторы из огромной статической таблицы, минуя сложные нейронные вычисления, — быстрее и стабильнее.

В статье сформулирован U-образный закон масштабирования, определяющий оптимальный баланс между вычислительной мощностью (MoE) и статической памятью (Engram). 🧬

Ранее, в конце 2025 года, DeepSeek опубликовал работу о Manifold-Constrained Hyper-Connections, решившую проблему стабильности обучения при масштабировании моделей, — с эффектом до 6 раз. 📈

Главный научный принцип DeepSeek сформулирован предельно ясно: пробивать ограничения вычислительных затрат через архитектурные и методологические инновации, а не через наращивание железа. Именно этот принцип, а не бюджет, стоит за «эффектом DeepSeek». 🛠️

🤝 Помощь людям: ИИ, который работает не только на прибыль

Открытая лицензия MIT — это не просто юридическая формальность. Это философский выбор, уходящий корнями в глубокую традицию китайской мысли.

DeepSeek сделал передовые модели доступными для коммерческого использования, модификации и распространения без порогов выручки и без обязательной атрибуции.
Любая компания, не имеющая возможности отправлять данные на серверы в Китае, может развернуть ту же модель на собственной инфраструктуре. 🌍

Но реальное влияние DeepSeek на жизнь людей измеряется не лицензиями, а конкретными приложениями.

В медицине 🏥 больницы по всему Китаю внедряют модели DeepSeek для вспомогательной диагностики.
В Чжэцзянской провинциальной больнице китайской медицины AI-ассистент анализирует истории болезней и предлагает планы лечения, удваивая эффективность работы врача.

В сельских районах DeepSeek помогает преодолеть разрыв в доступе к медицинской помощи, поддерживая удалённую диагностику и персонализированные программы для пациентов с хроническими заболеваниями. 💊

В образовании 🎓 DeepSeek стал «кампусным напарником» для студентов.

Университеты используют его для создания круглосуточных интеллектуальных тьюторов, персонализированных учебных планов, помощи в написании научных работ и даже симуляции собеседований при приёме на работу.

В начальных школах Циндао AI-компаньон на базе DeepSeek помогает ученикам исследовать темы за пределами учебника. В сельском хозяйстве 🌾 DeepSeek применяется для оптимизации политик поддержки фермеров, управления туристическими потоками и даже мониторинга окружающей среды через интеграцию с IoT. 🌱

☯️ Китайская цивилизация в алгоритмах: не метафора, а метод

Связь DeepSeek с древней китайской цивилизацией — не маркетинговый приём и не поэтическая вольность. Это реальная философская и культурная ДНК, проявляющаяся на нескольких уровнях. 🏯

Уровень первый: язык и культура. 📜 DeepSeek обучался на колоссальных массивах китайских текстов — от «Лунь юя» и «Хунлоу мэна» до танской и сунской поэзии. Исследователи отмечают, что это сформировало у модели уникальный «китайский темперамент» — особый стиль мышления и выражения. 🖋️

Уровень второй: философские основания. ☯️ Китайские учёные прямо связывают феномен DeepSeek с «восточной мудростью».

В книге «Восточная мудрость и новая цивилизация ИИ» (2026) утверждается, что DeepSeek знаменует выход на историческую сцену «мета-силы ИИ, укоренённой в восточной философии».

Принципы «天人合一» (единство Неба и человека), «和合共生» (гармония и совместное существование), диалектическое мышление и «人本精神» (гуманистический дух) рассматриваются как ресурсы, способные дать ИИ новую этическую и целевую основу. 🕊️

Уровень третий: историческая преемственность. 🏛️ Показательна параллель, проведённая китайскими интеллектуалами.
«Тяньгун кайу» — энциклопедия ремёсел и технологий XVII века — была названа «DeepSeek четырёхсотлетней давности».
Эта связь не случайна. Китайская цивилизация на протяжении тысячелетий культивировала именно то, что сегодня называют «深度求索» — «глубинное исследование».

Имя компании — не просто бренд. Это квинтэссенция цивилизационного опыта: настойчивость, методологичность, поиск фундаментальных принципов вместо погони за сиюминутной выгодой. ⏳

Наконец, сама бизнес-модель DeepSeek отражает традиционную китайскую стратегию «увэй» (недеяние-действие). В современном прочтении: не тратить ресурсы на маркетинговые войны и гонку вооружений, а накапливать силу в тени, чтобы однажды одним точным ударом изменить расстановку сил.

Покупка 10 000 GPU в 2021 году, за годы до того, как мир осознал их ценность, — это чистейшей воды стратегическое терпение, восходящее к «Искусству войны» Сунь-цзы. 🎋

💎 В заключение урок, который преподнесла древнейшая цивилизация.

DeepSeek — не просто «китайский ответ ChatGPT». Это явление иного порядка.

Это доказательство того, что цивилизационный бэкграунд является конкурентным преимуществом в технологической гонке, а не балластом.

Пока Запад строил всё более крупные дата-центры и сжигал миллиарды на вычисления, маленькая команда из Ханчжоу, финансируемая прибылью от торговли акциями, показала, что интеллект можно сделать дешёвым. Если подойти к нему с архитектурной элегантностью, научной дисциплиной и стратегическим терпением. 🧘

Рынок сначала испугался. Акции Nvidia рухнули.

Но, как отметил генеральный директор Nvidia Дженсен Хуанг позже, рынок «неправильно понял» значение DeepSeek.

Подешевевший ИИ привёл к росту его использования, а не к падению — классический парадокс Джевонса: когда ресурс дешевеет, общее потребление растёт. 📊

Для индустрии IT и Digital урок DeepSeek предельно конкретен: следующая волна инноваций придёт не оттуда, откуда её ждут.

Она может родиться в маленькой лаборатории, финансируемой не венчурным капиталом, а прибылью от алгоритмической торговли. В культуре, которая ценит глубину больше скорости, в цивилизации, которая знает, чтобы построить будущее, нужно сначала понять прошлое. 🌏✨

DeepSeek не «догоняет» Запад.

Он предлагает альтернативную траекторию — и именно поэтому мир теперь смотрит на Ханчжоу с таким же вниманием, с каким раньше смотрел на Кремниевую долину. 🏙️🐉