DeepSeek nutzt möglicherweise Google Gemini für KI-Training

PEKING / LONDON (IT BOLTWISE) – In der sich schnell entwickelnden Welt der Künstlichen Intelligenz (KI) sorgt die chinesische Firma DeepSeek erneut für Aufsehen. Kürzlich veröffentlichte das Unternehmen eine aktualisierte Version seines R1-Reasoning-KI-Modells, das auf verschiedenen mathematischen und Programmier-Benchmarks beeindruckende Leistungen zeigt.

Die Veröffentlichung des neuen Modells R1-0528 durch DeepSeek hat in der KI-Community für Aufsehen gesorgt. Obwohl das Unternehmen die genaue Quelle der Trainingsdaten nicht preisgegeben hat, spekulieren einige Forscher, dass zumindest ein Teil der Daten aus Googles Gemini-Familie stammen könnte. Diese Vermutung wird durch den Entwickler Sam Paeach gestützt, der behauptet, Beweise dafür zu haben, dass das Modell auf Ausgaben von Gemini trainiert wurde.

Paeach, ein Entwickler aus Melbourne, der sich auf die Bewertung emotionaler Intelligenz in KI spezialisiert hat, stellte fest, dass das R1-0528-Modell von DeepSeek ähnliche Wörter und Ausdrücke bevorzugt wie Googles Gemini 2.5 Pro. Diese Beobachtungen wurden in einem Beitrag auf X geteilt, was die Diskussion über die Herkunft der Trainingsdaten weiter anheizte.

Ein weiterer Entwickler, der pseudonyme Schöpfer einer freien Sprachbewertung für KI namens SpeechMap, bemerkte, dass die „Gedanken“, die das DeepSeek-Modell während seiner Schlussfolgerungen generiert, den Spuren von Gemini ähneln. Diese Ähnlichkeiten könnten auf eine gemeinsame Datenquelle hindeuten, sind jedoch kein endgültiger Beweis.

DeepSeek wurde bereits zuvor beschuldigt, Daten von konkurrierenden KI-Modellen verwendet zu haben. Im Dezember fiel auf, dass das V3-Modell von DeepSeek sich häufig selbst als ChatGPT identifizierte, was darauf hindeutet, dass es möglicherweise auf ChatGPT-Chatprotokollen trainiert wurde. OpenAI fand Hinweise darauf, dass DeepSeek die Technik der Destillation genutzt haben könnte, um Daten von größeren, leistungsfähigeren Modellen zu extrahieren.

Die Destillation ist zwar eine gängige Praxis, jedoch verbieten die Nutzungsbedingungen von OpenAI, die Ausgaben ihrer Modelle zur Entwicklung konkurrierender KI zu verwenden. Um solche Praktiken zu verhindern, haben KI-Unternehmen ihre Sicherheitsmaßnahmen verstärkt. OpenAI verlangt seit April eine ID-Verifizierung für den Zugriff auf bestimmte fortgeschrittene Modelle, was den Missbrauch ihrer Plattform erschweren soll.

Google hat kürzlich begonnen, die Spuren, die durch Modelle auf ihrer AI Studio Entwicklerplattform generiert werden, zu „summarize“, um es schwieriger zu machen, leistungsfähige Konkurrenzmodelle auf Basis von Gemini-Spuren zu trainieren. Auch Anthropic hat angekündigt, die Spuren ihrer Modelle zusammenzufassen, um ihre Wettbewerbsvorteile zu schützen.

Die zunehmende Kontamination des Internets durch KI-generierte Inhalte erschwert es, Trainingsdatensätze gründlich zu filtern. Dennoch halten es Experten wie Nathan Lambert von der gemeinnützigen Forschungsorganisation AI2 für möglich, dass DeepSeek Daten von Googles Gemini verwendet hat. Lambert argumentiert, dass DeepSeek, mit einem Mangel an GPUs, aber ausreichend finanziellen Mitteln, durchaus in der Lage wäre, synthetische Daten von den besten verfügbaren API-Modellen zu erstellen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!