DeepSeek потратила на обучение модели R1 только $294 тыс. Учить ChatGPT пришлось за $100 миллионов

Расходы на обучение моделей

Китайская ИТ-компания в сфере искусственного интеллекта (ИИ) DeepSeek отчиталась в сентябре 2025 г., что потратила $294 тыс. на обучение своей ИИ-модели R1, об этом заявили сами программисты DeepSeek в журнале Nature. Это значительно меньше расходов, которые озвучили их американские конкуренты по поводу своих чат-ботов.

ИИ-модель R1 создана для задач, требующих логического анализа, включая математику и программирование, и позиционируется как бюджетная альтернатива ведущим ИТ-инструментам из США. Модель от DeepSeek с открытыми весами свободно доступна для загрузки и занимает первое место по популярности на платформе Hugging Face с 10,9 млн скачиваний.

В статье Nature описаны улучшения стандартной большой языковой модели (LLM) для задач, требующих логического мышления. В дополнительных материалах впервые раскрыта стоимость дообучения R1 — около $294 тыc. Это дополнительные расходы к $6 млн, потраченным на разработку базовой LLM, но они меркнут по сравнению с огромными бюджетами конкурентов. Разработчики DeepSeek также раскрыли и то, что их ИИ-модель обучалась преимущественно на чипах Nvidia H800, поставки которых в Китай ограничены с 2023 г., об этом информировал CNews.

В статье говорится, что обучение рассуждающей модели R1 потребовало 512 ускорителей Nvidia H800. В 2023 г. генеральный директор OpenAI Сэм Альтман (Sam Altman) говорил, что обучение их базовой ИИ-модели ChatGPT обошлось больше $100 млн, хотя подробный отчет о структуре этих расходов ИТ-компания не предоставила. Если попытаться соотнести эти цифры «в лоб», то разница в расходах на обучение ИИ-моделей R1 и ChatGPT составит примерно в 340 раз.

Подозрение в мошенничестве

Некоторые утверждения руководителей DeepSeek относительно затрат на разработку и применяемых технологий вызывали сомнения у руководителей американских ИТ-компаний и чиновников до сентября 2025 г.

Ведь как писал CNews, ускорители H800 были созданы Nvidia специально для китайского рынка после запрета США в октябре 2022 г. на экспорт более мощных чипов H100 и A100 в Китай. В июне 2023 г. представители американских властей заявили, что DeepSeek имеет доступ к значительным объемам устройств H100, приобретенных после введения экспортного контроля. Даже руководство Nvidia в лице Дженсена Хуанга (Jensen Huang) опровергало эти обвинения, отмечая, что DeepSeek применяла только легально купленные чипы H800, а не H100.

В дополнительном документе к статье в Nature представители DeepSeek признали наличие ускорителей A100 и сообщили, что применяли их на подготовительных этапах ИТ-разработки. «В нашем исследовании DeepSeek-R1 мы использовали GPU A100 для подготовки экспериментов с меньшей моделью», — указали исследователи. По их данным, после этого начального этапа модель R1 обучалась в сумме 80 часов на кластере из 512 ускорителей H800.

Рецензирование ИТ-проекта

Статья DeepSeek стала, по всей видимости, первым отчетом о разработке и обучении LLM, прошедшим процедуру независимого рецензирования. «Это важный прецедент. Если мы не будем публично раскрывать значительную часть процесса ИТ-разработки, будет крайне сложно оценивать, несут ли эти ИТ-системы какие-либо киберриски», — отметил инженер по машинному обучению (ML) Hugging Face Льюис Танстолл (Lewis Tunstall).

В ответ на замечания рецензента Льюиса Танстолл представители DeepSeek уменьшили антропоморфизацию в описаниях и добавили пояснения к техническим деталям, включая типы данных, на которых обучалась ИИ-модель, и ответы на вопросы по ее безопасности.

«Прохождение строгого процесса рецензирования, безусловно, помогает проверить обоснованность и полезность ИИ-модели. Другим ИТ-компаниям следует поступить так же», — убежден ИИ-исследователь из Университета штата Огайо Хуань Сунь (Huan Sun).

По информации Tom's Hardware, еще в 2024 г. разработчики OpenAI подозревали DeepSeek в использовании выходных данных моделей GPT в качестве обучающих примеров для R1. Такой метод, известный как «дистилляция», который позволил бы ускорить разработку ИИ-модели R1, минимизируя затраты на ресурсы. Даже летом 2025 г. CNews писал о том, что создание модели R2, по некоторым данным, уперлось в доступность ускорителей вычислений Nvidia.

На самом же деле ключевым нововведением DeepSeek стало применение автоматизированного подхода «проб и ошибок» в форме чистого обучения с подкреплением для создания R1. В этом процессе ИИ-модель поощрялась за верные ответы, а не за копирование примеров рассуждений, заданных человеком. По словам же разработчиков DeepSeek, именно таким образом их LLM освоила «стратегии рассуждения» — например, самостоятельную проверку вычислений без внешних указаний. Для повышения эффективности модель сама оценивала свои ответы с помощью приближенных метрик, минуя отдельный алгоритм. Этот метод известен как «оптимизация политики на основе относительных групповых оценок».