China schockt die Welt mit zweitem DeepSeek-Sputnik-Moment

Am 20. Januar, am Tag der Inauguration von Donald Trump, sorgte das neu vorgestellte chinesische KI-Modell DeepSeek für grosses Aufsehen. Es bot höhere Leistungen als die westliche Konkurrenz – bei massiv niedrigeren Kosten (3%) und deutlich tieferem Energieverbrauch (10%). Die Aktienkurse mehrerer Tech-Konzerne verloren daraufhin empfindlich an Wert. Nvidia verlor an einem Tag 589 Milliarden Dollar, der grösste Börsenverlust aller Zeiten. Und nun zeigt ein zweites chinesisches Unternehmen, dass es alle überflügeln kann – auch CLAUDE 3.5 von Anthropic, dem aktuell besten amerikanischen Modell. Nur bleiben diesmal die sichtbaren Reaktionen völlig aus. Mit Ausnahme von CNBC hat keines der grossen Mainstream-Medienhäuser in den USA oder Europa bisher berichtet. Die KI-Blogger sind aber alle rundum begeistert und veröffentlichen geradezu euphorische Berichte, nachdem sie das Kimi-K2-System ausgiebig getestet haben.

Eine Reaktion blieb aber nicht unbeobachtet: Sam Altman, Chef von OpenAI, verkündete am Tag nach der Kimi-K2- Veröffentlichung, dass ihre seit langem angekündigte Open-Version von ChatGPT ein weiteres Mal verschoben werden müsse:

Wir verzögern es. Wir benötigen Zeit, um zusätzliche Sicherheitstests durchzuführen und Hochrisikobereiche zu überprüfen. Wir wissen noch nicht genau, wie lange wir dafür brauchen werden.

Was Kimi K2 besser kann

In vier der acht standardisierten Tests liegt Kimi K2 vorne – besonders im automatischen Programmieren, der Mathematik und im Fachwissen. Claude Opus 4 schafft das in 3 Disziplinen, Chat CPT 4 von OpenAI in einer Disziplin. Das Modell ist darüber hinaus aber auch für «agentische Aufgaben» optimiert. Es kann also selber Tools wie Browser und Datenbanken nutzen, mehrstufige Aufgaben planen und durchführen und so als digitaler Agent dienen.

Warum es Kimi K2 und DeepSeek besser können

Schon DeepSeek überraschte die Welt total, dass es offenkundig möglich ist, gleich gute oder sogar bessere Ergebnisse zu erzielen, obwohl grundsätzlich die gleichen Daten aber eher schlechtere Chips (wegen GPU-Chip-Sanktionen) zur Verfügung stehen. Das Geheimnis liegt in der intelligenten Architektur.

Das Kimi-K2-Modell basiert auf einer «Mixture-of-Experts-Architektur» (MoE), d.h. bildlich gesprochen, MoE-Modelle trainieren nicht einen «Superexperten», sondern setzen – wie wir Menschen – auf viele Spezialisten, die gemeinsam das konkrete Problem lösen. Kimi K2 setzt sich aus 384 spezialisierten «Experten» zusammen. Sie können etwa auf Übersetzungen, mathematisches Denken oder kontextuelles Verständnis spezialisiert sein. Anstatt bei einer Anfrage den «Superexperten» – d.h. alle Experten – zu aktivieren, werden nur diejenigen aktiviert, die zur Lösung der konkreten Aufgabe beitragen können. Welche das sind, entscheidet ein «Router». Bei Kimi K2 und bei DeepSeek kommen jeweils acht spezialisierte sowie ein globaler Experte zusammen.

Die Konsequenzen scheinen enorm zu sein. «Kimi-Researcher stellt einen Paradigmenwechsel in der agentenbasierten KI dar», sagte Winston Ma, Lehrbeauftragter an der NYU School of Law. Er bezog sich auf die Fähigkeit der KI, mehrere Entscheidungen gleichzeitig selbstständig zu treffen, um eine komplexe Aufgabe zu bewältigen.

Anstatt lediglich flüssige Antworten zu generieren, demonstriert es autonomes Denken auf Expertenniveau – die Art komplexer kognitiver Arbeit, die bisher in LLMs [Red: Large Language Models] fehlte.

Warum Kimi K2 und DeepSeek billiger sind

Die beiden MoE-Modelle können sich in diesem hart umkämpften Markt sehr gut behaupten, denn sie offerieren ihre kostenpflichtigen Services zu sensationellen Preisen. Kimi K2 berechnet laut seiner Website nur 15 Cent pro Million Input-Token und 2,50 US-Dollar pro Million Output-Token. Token dienen der Datenmessung für die Verarbeitung von KI-Modellen.

Im Gegensatz dazu verlangt Claude Opus 4100 x mehr für Input – 15 US-Dollar pro Million Token – und 30 x mehr für Output – 75 US-Dollar pro Million Token. GPT 4.1 berechnet pro Million Token 2 US-Dollar für Input (13 x mehr) und 8 US-Dollar für Output (3 x mehr).

DeepSeek hatte seine Entwicklungskosten mit wenigen 100 Millionen Dollar angegeben – 3 Prozent der Kosten von OpenAI und ähnlichen Modellen. Für Kimi K2 hat Moonshot AI noch keine Entwicklungskosten publiziert.

Beide Firmen haben jeweils mit rund 100 bis 200 KI-Fachleuten in gut zwei Jahren ebenbürtige bis überlegene LMM-KI-Modelle realisiert. Die MoE-Architektur erlaubt es, mit deutlich billigeren GPU-Chips die gleichen Ergebnisse zu erzielen und den Energiebedarf drastisch zu senken.

Weckruf zur «Open-Source-Strategie» im Markt der hochentwickelten KI, die zur Superintelligenz werden kann

Die wichtigste Frage, die die wenigen Fachautoren und Tech-Blogger beschäftigt, heisst: Was braucht es noch, bis die amerikanischen Firmen (OpenAI, Anthropic, Google, Meta, xAI …) aufwachen? Nathan Lambert, ein anerkannter KI-Experte und Autor stellt pointiert fest:

Ein «DeepSeek-Moment» hat uns nicht zum Aufwachen gebracht, hoffentlich brauchen wir keinen dritten.

Seit der Präsentation von Kimi K2 am 11. Juli sollten wir wissen: DeepSeek war kein Zufall, kein Einzelfall und kein strategisches U-Boot in der KI-Geopolitik der chinesischen Regierung, sondern der Start der OpenSource-KI, die mächtiger und viel billiger ist als die proprietären Modelle der USA.

China nähert sich weiterhin der absoluten Grenze der Modellleistung. Der Westen fällt bei offenen Modellen noch weiter zurück. Aber auch die Sicherheits- und Risiko-Fragen stellen sich drängender und härter, denn es ist äusserst schwierig zu kontrollieren, wer hochmoderne Modelle trainieren kann, wenn sie so einfach sehr kostengünstig zu beschaffen und zu betreiben sind.

Die Kluft zwischen den führenden offenen Modellen westlicher Forschungslabore und ihren chinesischen Pendants wird immer grösser. Chinesische Unternehmen haben offensichtlich nützlichere Modelle mit freizügigeren Lizenzen veröffentlicht.

Angesichts der Tatsache, dass die Kimi K2 bisher keine nennenswerte Debatte weder in den Fachmedien noch in den Mainstream-Medien ausgelöst hat, – aber auch keine Reaktion an der Börse –, deutet darauf hin, dass es wohl noch weitere DeepSeek-Momente geben wird.