In einem aktuellen Experiment zum Handel mit Kryptowährungen erzielte das chinesische KI-Modell DeepSeek eine beeindruckende Leistung: Innerhalb von nur 9 Tagen steigerte es sein Anfangskapital von 10.000 $ auf 22.500 $ im Rahmen des Alpha Arena-Krypto-Handelswettbewerbs und erreichte damit eine bemerkenswerte Rendite von 125 %.
Dieses Ergebnis übertraf sogar das Qwen 3 Max-Modell von Alibaba und positioniert DeepSeek als aufstrebenden Stern im KI-Handelssektor.
Ursprung und Entwicklung von DeepSeek
DeepSeek ist ein KI-Unternehmen mit Sitz in Hangzhou, China, gegründet im Jahr 2023 und finanziert durch die renommierte quantitative Vermögensverwaltung High-Flyer.
Das Unternehmen widmet sich der Entwicklung fortschrittlicher Large Language Models (LLMs) und verwandter Technologien und hat bereits mehrere Modelle veröffentlicht, darunter DeepSeek LLM, DeepSeek Coder, DeepSeekMath und DeepSeek-VL.
Am 20. Januar 2025 brachte DeepSeek offiziell DeepSeek-R1 auf den Markt, ein Modell, das bei Aufgaben in den Bereichen Mathematik, Programmierung und natürlichsprachliches Schlussfolgern mit OpenAI O1 gleichzieht. Die jüngste Veröffentlichung, DeepSeek-V3.2, sorgt für großes Aufsehen, da die Kosten für KI-Inferenz auf nur ein Sechstel bis ein Siebtel von V3.1 gesenkt wurden und die Verarbeitung von langen Kontexten zwei- bis dreimal schneller erfolgt.
DeepSeek-Modellfamilie und technische Weiterentwicklung
Innovative Modellarchitektur
Die technische Architektur von DeepSeek kombiniert Varianten der Transformer-Struktur mit dynamischen Aufmerksamkeitsmechanismen und erreicht durch Multi-Skalen-Merkmalsfusion ein Gleichgewicht zwischen semantischem Verständnis und Generierung.
Die Kernkompetenzen zeigen sich in drei zentralen Bereichen:
- Dynamischer Sparse Attention-Mechanismus: Durch die Einführung von Gate-Einheiten, die die Aufmerksamkeit dynamisch gewichten, behält DeepSeek eine starke Fähigkeit zur Verarbeitung von Langtexten bei und reduziert gleichzeitig die Rechenkomplexität. Bei Dokumenten mit 100.000 Tokens wird der Rechenaufwand im Vergleich zu Standard-Transformern um 42 % gesenkt.
- Mixture-of-Experts-System: Mithilfe eines Routing-Mechanismus über 16 Expertenmodule werden pro Token jeweils nur 2 bis 3 Experten aktiviert, was die Modellkapazität erhöht und die Inferenzkosten kontrolliert.
- Progressiver Trainingsansatz: DeepSeek setzt auf gestufte Vortrainings, instruktionales Fine-Tuning und Verstärkungslernen mit menschlichem Feedback. Im Bereich der Code-Generierung steigert synthetische Datenaugmentation die Code-Genauigkeit auf 89,7 %.
Herausragende Leistung
Im MMLU-Benchmark erzielte das DeepSeek-72B-Modell einen Wert von 81,3 in MINT-Fächern wie Mathematik und Physik und übertraf damit den GPT-4-Wert von 79,8.
Bei Aufgaben zur Code-Vervollständigung erreichte es eine Pass@1-Rate von 68,2 %, was einer Verbesserung um 12 Punkte gegenüber Codex entspricht.
DeepSeeks Leistung in Krypto- und Finanzmärkten
Herausragend in Krypto-Handelswettbewerben
Im Alpha Arena-Krypto-Investitionsprojekt von Nof1 zeigte DeepSeek Chat V3.1 außergewöhnliche Handelsfähigkeiten.
Der Wettbewerb stellte sechs KI-Modellen jeweils ein Startkapital von 10.000 $ zur Verfügung, die unter identischen Marktbedingungen digitale Vermögenswerte wie Bitcoin, Ether und Dogecoin handelten, um die höchste Rendite zu erzielen.
Am 28. Oktober hatte DeepSeek eine Rendite von 125 % erreicht und lag damit deutlich vor internationalen Konkurrenten.
Zum Vergleich: OpenAI GPT-5 verlor fast 60 % seines Kapitals und fiel auf etwa 4.000 $, während Google DeepMind Gemini 2.5 Pro einen Verlust von 57 % verzeichnete.
Auf der Prognoseplattform Polymarket räumten Händler DeepSeek eine Gewinnwahrscheinlichkeit von 61 % ein – deutlich mehr als Alibaba mit 29 %.
Starke Performance im US-Aktienhandel
Auch im US-Aktienhandel konnte DeepSeek überzeugen.
Im „AI-Trader"-Open-Source-Experiment der Universität Hongkong belegte DeepSeek während einer einmonatigen Testphase mit einer annualisierten Rendite von 10,61 % den Spitzenplatz, während der Nasdaq 100 Technologie-Index lediglich 2,13 % erreichte.
Das bedeutet, DeepSeeks Rendite war nahezu fünfmal so hoch wie die des Benchmarks.
DeepSeeks API-Preisvorteil und Open-Source-Strategie
Deutliche Preissenkungen
Am 29. September 2025 veröffentlichte DeepSeek das Modell DeepSeek-V3.2-Exp und kündigte erhebliche Preisreduzierungen für die API an.
Nach der neuen Preisstruktur kosten Cache-Treffer bei Eingangstokens 0,2 RMB pro eine Million Tokens, Cache-Verfehlungen 2 RMB pro eine Million Tokens und Ausgaben 3 RMB pro eine Million Tokens – eine Senkung um mehr als 50 % gegenüber den bisherigen Tarifen.
Das aktuelle DeepSeek-V3.2-Modell senkt die Kosten für KI-Inferenz weiter auf nur ein Sechstel bis ein Siebtel von V3.1, wobei die API-Preise bei $0,28/$0,028/$0,42 pro eine Million Eingabe-/Cache-/Ausgabetokens liegen.
Open-Source-Strategie und lokale Bereitstellung
DeepSeek verwendet die MIT-Lizenz und wurde für Huawei- und andere chinesische Chipsätze optimiert, wodurch eine lokale Bereitstellung in chinesischen Rechenzentren ermöglicht wird.
Dieser Open-Source-Ansatz erlaubt Entwicklern, DeepSeek-Modelle kostenlos und privat zu implementieren und eröffnet neue Möglichkeiten für Anwendungen auf Unternehmensebene.
Ausblick
Mit dem fortschreitenden technologischen Wandel im KI-Handel ist deutlich erkennbar, dass heimische Large Language Models wie DeepSeek künftig eine immer größere Rolle im Bereich Kryptowährungen und darüber hinaus in den Finanzmärkten spielen werden.
Für Krypto-Trader bedeutet die Verfolgung der Entwicklung von DeepSeek nicht nur, an der Spitze der KI-Technologie zu bleiben – sondern auch, potenzielle Investitionschancen im sich wandelnden Finanzumfeld zu erkennen.
