Τι είναι η τεχνητή νοημοσύνη DeepSeek; Το ανοιχτό μοντέλο που συγκλονίζει τα κρυπτονομίσματα

Μία δωρεάν εφαρμογή από μια λιγότερο γνωστή κινεζική startup έκανε αυτό που κανένα κραχ κρυπτονομισμάτων δεν κατάφερε ποτέ. Σε μία μόνο ημέρα, διέγραψε 589 δισεκατομμύρια δολάρια από την Nvidia , τη μεγαλύτερη ημερήσια απώλεια για οποιαδήποτε εταιρεία στην ιστορία της χρηματιστηριακής αγοράς των ΗΠΑ. Και δεν σταμάτησε στη Wall Street. Το Bitcoin υποχώρησε κατά 7%, περισσότερα από 300 δισεκατομμύρια δολάρια εξαφανίστηκαν από τη συνολική αγορά κρυπτονομισμάτων και τα λεγόμενα tokens τεχνητής νοημοσύνης έπεσαν περισσότερο από όλα.

Η εφαρμογή ήταν η DeepSeek. Το μοντέλο πίσω από αυτήν, το DeepSeek R1, ήταν ένα ανοιχτό, φθηνό μοντέλο τεχνητής νοημοσύνης αρκετά καλό για να ανατρέψει την υπόθεση που υποστηρίζει τόσο το εμπόριο τεχνητής νοημοσύνης όσο και ένα μεγάλο μέρος των κρυπτονομισμάτων: ότι η οικοδόμηση ισχυρής τεχνητής νοημοσύνης απαιτεί βουνά από ακριβά τσιπ. Αυτός ο οδηγός εξηγεί τι είναι στην πραγματικότητα η DeepSeek AI, πώς κάνει τόσα πολλά με τόσο λίγα, πώς συγκρίνεται με το ChatGPT και γιατί έστειλε έναν τρόμο στα κρυπτονομίσματα τεχνητής νοημοσύνης που εξακολουθεί να γίνεται αισθητός.

Τι είναι η τεχνητή νοημοσύνη DeepSeek και ποιος την κατασκεύασε;

Το DeepSeek είναι ένα κινεζικό εργαστήριο τεχνητής νοημοσύνης, αλλά δεν ξεκίνησε ως τέτοιο. Αναπτύχθηκε από ένα hedge fund, και αυτό το παρασκήνιο εξηγεί σχεδόν τα πάντα για τον τρόπο που σκέφτεται.

Από ένα κβαντικό hedge fund σε ένα εργαστήριο τεχνητής νοημοσύνης

Η DeepSeek ιδρύθηκε στις 17 Ιουλίου 2023, στην Χανγκτζόου της Κίνας, από τον Liang Wenfeng. Ο Liang διηύθυνε ήδη την High-Flyer, ένα ποσοτικό hedge fund που διαπραγματευόταν αγορές χρησιμοποιώντας μηχανική μάθηση και είχε αποθηκεύσει ένα μεγάλο σύμπλεγμα GPU Nvidia για τον σκοπό αυτό. Όταν αυτά τα τσιπ δεν ήταν απασχολημένα με συναλλαγές, τα έστρεψε σε γλωσσικά μοντέλα. Έτσι, η DeepSeek ξεκίνησε τη ζωή της με φθηνή υπολογιστική, μια ομάδα ερευνητών και καμία πίεση από τους επενδυτές να κυνηγήσουν το μεγαλύτερο δυνατό μοντέλο. Παρέμεινε λιτή, με μόνο περίπου 160 υπαλλήλους, και έμαθε να αποσπά αποτελέσματα από το υλικό. Η αποδοτικότητα δεν ήταν μια γραμμή μάρκετινγκ. Ήταν ολόκληρη η κουλτούρα. Υπάρχει μια ειρωνεία που αξίζει να σημειωθεί. Η High-Flyer είχε αποθηκεύσει αυτά τα τσιπ εν μέρει πριν από τους ελέγχους εξαγωγών των ΗΠΑ που αργότερα απέκοψαν την Κίνα από τις καλύτερες GPU της Nvidia. Αναγκασμένοι να κάνουν περισσότερα με πιο αδύναμα, λιγότερα τσιπ, οι μηχανικοί της DeepSeek έγιναν πολύ καλοί στην λιτότητα και αυτός ο περιορισμός έγινε το πλεονέκτημα.

Η οικογένεια μοντέλων: V3, R1 και V4

Το DeepSeek κυκλοφορεί γρήγορα. Το DeepSeek Coder κυκλοφόρησε στα τέλη του 2023, η έκδοση V2 τον Μάιο του 2024 και η πρωτοποριακή έκδοση DeepSeek V3 τον Δεκέμβριο του 2024. Στη συνέχεια, στις 20 Ιανουαρίου 2025, ήρθε το DeepSeek R1, το μοντέλο συλλογισμού που άναψε το φυτίλι. Μέχρι τον Απρίλιο του 2026, το εργαστήριο είχε παρουσιάσει μια προεπισκόπηση του DeepSeek V4, με ένα V4-Pro και ένα ελαφρύτερο V4-Flash, ωθώντας τα παράθυρα περιβάλλοντος προς ένα εκατομμύριο tokens. Κάθε κυκλοφορία ακολουθούσε το ίδιο εγχειρίδιο: αντιστοίχιση του συνόρου, χρέωση ενός κλάσματος και αποκάλυψη των βαρών.

Ανοιχτά βάρη, το API και το deepseek.com

Αυτό το τελευταίο κομμάτι έχει σημασία. Από την R1, τα μοντέλα της DeepSeek διατίθενται με την επιτρεπόμενη άδεια MIT ως λήψεις ανοιχτού βάρους στο Hugging Face και το GitHub. Οποιοσδήποτε μπορεί να τα αποκτήσει, να τα επιθεωρήσει, να τα βελτιώσει ή να τα εκτελέσει στον δικό του υπολογιστή. Μπορείτε επίσης να χρησιμοποιήσετε το δωρεάν chatbot στο deepseek.com ή να το συνδέσετε στο API του DeepSeek για λίγα λεπτά. Τα ανοιχτά βάρη συν ένα φθηνό API είναι ένας σπάνιος συνδυασμός και είναι η κινητήρια δύναμη πίσω από την αναστάτωση.

Πώς λειτουργούν στην πραγματικότητα τα DeepSeek R1 και V3

Η φήμη του DeepSeek βασίζεται σε ένα απλό, αλλά αδέξιο γεγονός για τους ανταγωνιστές του. Συνδυάζεται με πολύ μεγαλύτερα, πολύ ακριβότερα μοντέλα, ενώ καταναλώνει πολύ λιγότερο υπολογιστικό κόστος. Το κόλπο είναι η αρχιτεκτονική - όχι η μαγεία.

Μείγμα εμπειρογνωμόνων και αποτελεσματική εξαγωγή συμπερασμάτων

Το DeepSeek V3 έχει 671 δισεκατομμύρια παραμέτρους, αλλά δεν τις χρησιμοποιεί όλες ταυτόχρονα. Είναι ένα μοντέλο με μείγμα ειδικών, επομένως για κάθε δεδομένο διακριτικό ενεργοποιεί μόνο περίπου 37 δισεκατομμύρια παραμέτρους, τη χούφτα των «ειδικών» που σχετίζονται με την εργασία. Το εργαστήριο το συνδύασε αυτό με την λανθάνουσα προσοχή πολλαπλών κεφαλών, μια μέθοδο που συμπιέζει τη μνήμη κατά τη διάρκεια της συμπερασματολογίας. Το αποτέλεσμα είναι ένα γιγάντιο μοντέλο που λειτουργεί σαν μικρό. Λιγότερη μνήμη, λιγότερη ισχύς, χαμηλότερο κόστος ανά απάντηση. Για έναν αντίπαλο που ξόδεψε δισεκατομμύρια υποθέτοντας ότι το μεγαλύτερο σημαίνει πάντα ακριβότερο, αυτή είναι μια ανεπιθύμητη απόδειξη της ιδέας.

R1, συλλογισμός και αλυσίδα σκέψης

Το DeepSeek R1 πρόσθεσε ένα δεύτερο κόλπο: σκέφτεται δυνατά. Όπως και το o1 του OpenAI, είναι ένα μοντέλο συλλογισμού που επεξεργάζεται προβλήματα βήμα προς βήμα χρησιμοποιώντας αλυσίδα σκέψης πριν απαντήσει. Γι' αυτό και βαθμολογείται τόσο καλά σε δύσκολες εργασίες. Το R1 έφτασε το 97,3% στο benchmark MATH-500 και το 79,8% στο AIME 2024, και έλυσε το 49,2% των πραγματικών προβλημάτων GitHub στο SWE-bench , φέρνοντάς το στο ίδιο επίπεδο με τα καλύτερα του OpenAI εκείνη την εποχή.

Η αξίωση κόστους εκπαίδευσης ύψους 5,6 εκατομμυρίων δολαρίων, χωρίς λεπτομέρειες

Ιδού ο αριθμός που έκανε θραύση στο διαδίκτυο. Η ίδια η εργασία της DeepSeek ανέφερε ότι η τελική δοκιμαστική περίοδος για την V3 κόστισε περίπου 5,58 εκατομμύρια δολάρια σε χρόνο GPU. Σε σύγκριση με τα 100 εκατομμύρια δολάρια που αναφέρονται ευρέως για την GPT-4, φαινόταν σαν ταπείνωση. Αλλά διαβάστε τα ψιλά γράμματα. Αυτό το ποσό καλύπτει μόνο την τελική περίοδο, όχι την έρευνα, τα αποτυχημένα πειράματα ή τα ίδια τα τσιπ. Οι αναλυτές της SemiAnalysis εκτίμησαν ότι οι πραγματικές δαπάνες της DeepSeek για υλικό ήταν πολύ πάνω από 500 εκατομμύρια δολάρια. Ο τίτλος ήταν ακριβής και παραπλανητικός ταυτόχρονα, γι' αυτό ακριβώς ταξίδεψε τόσο μακριά.

DeepSeek AI εναντίον ChatGPT, Claude και Gemini

Είναι λοιπόν το DeepSeek καλύτερο από το ChatGPT; Εξαρτάται από το τι χρειάζεστε. Στα μαθηματικά, τον προγραμματισμό και την ακατέργαστη συλλογιστική, ανταλλάσσει χτυπήματα με τα κορυφαία μοντέλα της OpenAI και της Anthropic. Εκεί που υστερεί είναι η τελειότητα, η πολυτροπική εισαγωγή δεδομένων και η εμπιστοσύνη. Τα κορυφαία μοντέλα DeepSeek είναι ως επί το πλείστον μόνο κείμενο, ενώ το ChatGPT χειρίζεται εικόνες, φωνή και βίντεο. Η πρόζα της OpenAI εξακολουθεί να διαβάζεται πιο ομαλά για καθημερινή γραφή. Το Gemini της Google βρίσκεται ενδιάμεσα, ισχυρό στην πολυτροπική και την αναζήτηση, πιο αδύναμο στην ανοιχτή πρόσβαση. Και για πολλές δυτικές επιχειρήσεις ο αποφασιστικός παράγοντας δεν είναι καθόλου ένα σημείο αναφοράς αλλά η εμπιστοσύνη: ένα μοντέλο που έχει εκπαιδευτεί και φιλοξενείται στην Κίνα φέρει αποσκευές που δεν έχει ένα μοντέλο που φιλοξενείται στις ΗΠΑ.

Έπειτα, υπάρχει και το κόστος, όπου το χάσμα δεν είναι μικρό. Ο παρακάτω πίνακας αφηγείται την ιστορία και είναι ο λόγος που οι προγραμματιστές συνεχίζουν να μεταφέρουν φόρτους εργασίας στο API του DeepSeek.

Για κείμενο και κώδικα σε κλίμακα, το DeepSeek είναι περίπου έξι φορές φθηνότερο στην εισαγωγή δεδομένων από το GPT-5.2 και επειδή τα βάρη είναι ανοιχτά, μπορείτε να παραλείψετε εντελώς το API και να το εκτελέσετε μέσω τοπικής ανάπτυξης. Αυτό καθιστά το DeepSeek μια αξιοσημείωτα οικονομικά αποδοτική επιλογή και δύσκολη απάντηση για ένα κλειστό εργαστήριο.

Η στιγμή του DeepSeek που συγκλόνισε τα κρυπτονομίσματα

Ο Μαρκ Άντρεσεν το αποκάλεσε «στιγμή Σπούτνικ της Τεχνητής Νοημοσύνης». Μιλούσε για εθνική υπερηφάνεια, αλλά οι αγορές άκουσαν κάτι πιο ψυχρό — ίσως το πιο πολύτιμο πράγμα στην Τεχνητή Νοημοσύνη δεν είναι τελικά ένα απόθεμα τσιπ.

589 δισεκατομμύρια δολάρια χάθηκαν σε μια μέρα

Όταν το DeepSeek έφτασε στην κορυφή του αμερικανικού App Store στις 27 Ιανουαρίου 2025, με 16 εκατομμύρια λήψεις τις πρώτες 18 ημέρες κυκλοφορίας του, οι traders έκαναν τους υπολογισμούς αντίστροφα. Αν ένα κινεζικό εργαστήριο μπορούσε να φτάσει τα όρια με ένα κλάσμα του υλικού, η μελλοντική ζήτηση για τα τσιπ της Nvidia φαινόταν ξαφνικά πιο ασταθής. Η Nvidia υποχώρησε περίπου 17% εκείνη την ημέρα και έχασε 589 δισεκατομμύρια δολάρια σε αγοραία αξία , η μεγαλύτερη ημερήσια πτώση στην ιστορία των ΗΠΑ. Ολόκληρος ο Nasdaq έπεσε στο κρύο.

Γιατί τα κρυπτονομίσματα τεχνητής νοημοσύνης έπεσαν περισσότερο

Τα κρυπτονομίσματα δεν ξέφυγαν. Το Bitcoin υποχώρησε περίπου κατά 7% στα περίπου 97.750 δολάρια, και πάνω από 300 δισεκατομμύρια δολάρια έφυγαν από τη συνολική αγορά κρυπτονομισμάτων. Αλλά η πραγματική σφαγή έγινε στα tokens τεχνητής νοημοσύνης. Η κατηγορία μειώθηκε κατά περίπου 9% την ημέρα, έναντι περίπου 5% για την ευρεία αγορά, με το Render να υποχωρεί κατά 12,6% και το Fetch.ai κατά περίπου 10%. Ο λόγος είναι άβολος. Μεγάλο μέρος της αξίας των tokens τεχνητής νοημοσύνης βασίστηκε στην ίδια ιστορία με της Nvidia: Η τεχνητή νοημοσύνη διψάει για υπολογιστικές δυνατότητες, οι υπολογιστικές δυνατότητες είναι σπάνιες, επομένως οτιδήποτε πουλάει υπολογιστικές ή GPU είναι πολύτιμο. Το DeepSeek άνοιξε ένα κενό σε αυτήν την ιστορία, και τα tokens που βασίζονταν περισσότερο σε αυτήν έχασαν τη μεγαλύτερη αξία. Η ίδια η πτώση δεν κράτησε. Μέσα σε λίγες μέρες, το Bitcoin ανέκτησε το μεγαλύτερο μέρος των απωλειών του, καθώς οι αναλυτές χαρακτήρισαν τον πανικό υπερβολική αντίδραση. Αλλά ο τομέας των tokens τεχνητής νοημοσύνης παρέμεινε ασταθής για πολύ περισσότερο καιρό, ένα σημάδι ότι η αγορά επανατιμολογούσε ολόκληρη την αφήγηση, όχι απλώς είχε ένα κακό απόγευμα.

Κρυπτονομίσματα τεχνητής νοημοσύνης μετά το DeepSeek

Ιδού η ανατροπή. Το ίδιο σοκ που έπληξε τα tokens τεχνητής νοημοσύνης τους έδωσε επίσης ένα μακροπρόθεσμο επιχείρημα. Εάν τα μοντέλα αιχμής μπορούν να είναι φθηνά και ανοιχτά, τότε οι τάφροι των μεγάλων κλειστών εργαστηρίων συρρικνώνονται και η ανοιχτή, ανθεκτική στη λογοκρισία υποδομή τεχνητής νοημοσύνης αρχίζει να φαίνεται πιο πολύτιμη, όχι λιγότερο. Τα αποκεντρωμένα δίκτυα υπολογιστών όπως το Akash , τα δίκτυα rendering όπως το Render και οι αγορές μηχανικής νοημοσύνης όπως η Bittensor παρουσιάζουν έναν κόσμο όπου η τεχνητή νοημοσύνη δεν είναι κλειδωμένη μέσα σε τρεις αμερικανικές εταιρείες. Το DeepSeek έκανε αυτόν τον κόσμο να φαίνεται πιο κοντά. Η Bittensor, του οποίου το token TAO ανταμείβει ένα δίκτυο ανταγωνιστικών μοντέλων μηχανικής μάθησης, είναι το πιο σαφές στοίχημα για την ιδέα: μια αγορά για ανοιχτή νοημοσύνη αντί για έναν εταιρικό εγκέφαλο. Το αν αυτά τα δίκτυα μπορούν πραγματικά να προσφέρουν τεχνητή νοημοσύνη αιχμής δεν έχει ακόμη αποδειχθεί, αλλά το DeepSeek μετατόπισε το βάρος της αμφιβολίας στα κλειστά εργαστήρια.

Η αγορά το πρόσεξε. Μέχρι τον Μάιο του 2025, η Grayscale είχε επισημοποιήσει έναν ειδικό Τομέα Κρυπτογράφησης Τεχνητής Νοημοσύνης (AI Crypto Sector) που κάλυπτε 20 tokens συνολικής αξίας περίπου 21 δισεκατομμυρίων δολαρίων , περίπου 4,7 φορές περισσότερα από 4,5 δισεκατομμύρια δολάρια στις αρχές του 2023. Απλώς να είστε προσεκτικοί. Η κυκλοφορία προσέλκυσε επίσης απατεώνες: σε μια μέρα, εμφανίστηκαν περισσότερα από 75 ψεύτικα memecoins "DeepSeek" και οι traders που τα κυνηγούσαν έχασαν πάνω από 100 εκατομμύρια δολάρια . Η DeepSeek δεν λάνσαρε ποτέ ούτε ένα token. Οτιδήποτε ισχυριζόταν το αντίθετο είναι παγίδα.

Είναι ασφαλής η χρήση του DeepSeek AI; Απαγορεύσεις και προστασία προσωπικών δεδομένων

Εδώ είναι που η προσοχή αξίζει τον κόπο. Χρησιμοποιήστε την επίσημη εφαρμογή ή τον ιστότοπο DeepSeek και τα δεδομένα σας, συμπεριλαμβανομένων των προτροπών σας, θα ταξιδέψουν σε διακομιστές στην Κίνα και θα διαχειρίζονται σύμφωνα με μια πολιτική απορρήτου που διέπεται από την κινεζική νομοθεσία. Αρκετές κυβερνήσεις αποφάσισαν ότι αυτό ήταν πρόβλημα. Η Ιταλία μπλόκαρε το DeepSeek στις 30 Ιανουαρίου 2025 για λόγους προστασίας δεδομένων. Περισσότερες από δώδεκα πολιτείες των ΗΠΑ το απαγόρευσαν από επίσημες συσκευές μέχρι τις αρχές του 2025 και το Κογκρέσο εισήγαγε τον νόμο "Όχι DeepSeek σε κυβερνητικές συσκευές". Το μοντέλο αντικατοπτρίζει επίσης τους κινεζικούς κανόνες περιεχομένου, αποφεύγοντας ή απολυμαίνοντας πολιτικά ευαίσθητα θέματα. Οι μέθοδοι του DeepSeek έχουν επίσης δεχθεί πυρά. Στις αρχές του 2026, η Anthropic κατηγόρησε το εργαστήριο ότι χρησιμοποίησε χιλιάδες δόλιες λογαριασμούς για να συλλέξει εκατομμύρια συνομιλίες του Claude για εκπαίδευση, μια κατηγορία που αμφισβητεί η DeepSeek. Η ιστορία της λιτής ιδιοφυΐας έχει μια αμφισβητούμενη πλευρά.

Τίποτα από αυτά δεν καθιστά την ίδια την τεχνολογία μη ασφαλή για λειτουργία. Επειδή τα βάρη είναι ανοιχτά, ένας χρήστης ή μια εταιρεία που σέβεται την ιδιωτικότητα μπορεί να κατεβάσει το μοντέλο και να το εκτελέσει τοπικά, χωρίς να φύγουν δεδομένα από το κτίριο. Η φιλοξενούμενη εφαρμογή αποτελεί τον κίνδυνο. Το ανοιχτό μοντέλο είναι η καταπακτή διαφυγής.

Πώς να χρησιμοποιήσετε το DeepSeek AI: τοπική ανάπτυξη

Έχετε τρεις τρόπους να μπείτε. Ο ευκολότερος είναι το δωρεάν chatbot στο deepseek.com ή η εφαρμογή για κινητά, μια χαρά για περιστασιακές ερωτήσεις αν ο συμβιβασμός απορρήτου δεν σας ενοχλεί. Το δεύτερο είναι το DeepSeek API, αρκετά φθηνό ώστε οι προγραμματιστές να διοχετεύουν μεγάλο φόρτο εργασίας μέσω αυτού. Τα έγγραφα του DeepSeek API σας καθοδηγούν στη ρύθμιση και το DeepSeek Coder είναι ρυθμισμένο για προγραμματισμό. Ο τρίτος, και ο ασφαλέστερος για ευαίσθητες εργασίες, είναι η τοπική ανάπτυξη: τραβήξτε τα ανοιχτά βάρη από το Hugging Face ή εκτελέστε μια μικρότερη έκδοση μέσω ενός εργαλείου όπως το Ollama στο δικό σας υλικό. Το ίδιο μοντέλο, χωρίς την έκθεση σε δεδομένα. Για περιστασιακές ερωτήσεις, η δωρεάν εφαρμογή είναι αρκετή. Για όποιον χειρίζεται ιδιωτικά ή ρυθμιζόμενα δεδομένα, η τοπική διαδρομή αξίζει την επιπλέον ρύθμιση.

Τι σημαίνει το DeepSeek για την Τεχνητή Νοημοσύνη και τα κρυπτονομίσματα

Το διαχρονικό μάθημα του DeepSeek έχει ελάχιστη σχέση με το γεγονός ότι η Κίνα κέρδισε έναν γύρο. Η πραγματική αλλαγή είναι ότι η πρωτοποριακή τεχνητή νοημοσύνη έγινε φθηνή και άνοιξε πιο γρήγορα από ό,τι είχε προβλέψει ο καθένας. Για τους απλούς χρήστες, αυτό σημαίνει καλύτερα εργαλεία σε χαμηλότερο κόστος. Για τα κλειστά εργαστήρια, σημαίνει ότι η τάφρος της GPU είναι πιο περιορισμένη από ό,τι υποθέτουν οι αποτιμήσεις τους. Και για τα κρυπτονομίσματα, ισχύει και για τις δύο κατευθύνσεις: τα tokens τεχνητής νοημοσύνης που βασίστηκαν στην ιστορία της σπανιότητας δέχτηκαν πλήγμα, ενώ αυτά που δημιούργησαν ανοιχτή, αποκεντρωμένη υποδομή τεχνητής νοημοσύνης απέκτησαν έναν νέο λόγο ύπαρξης. Επομένως, το πραγματικό ερώτημα δεν είναι αν το DeepSeek είναι καλό. Σαφώς είναι. Το ερώτημα είναι ποιος εξακολουθεί να πληρώνεται όταν η νοημοσύνη σταματήσει να είναι ακριβή.

Mathis Curcio

Mathis Curcio is a senior content strategist and NFT specialist at Plisio. With over 5 years of experience in the Web3 space, Mathis focuses on the evolution of NFT ecosystems, digital collectibles, and decentralized ownership models. He creates accessible, insight-driven content that bridges the gap between blockchain innovation and mainstream adoption. His expertise spans NFT market trends, use cases across art and gaming, and the infrastructure powering next-generation tokenized assets.