APREX · EST. 2026
Modellen som endret stemningen
DeepSeek-R1 var en av de mest dramatiske AI-lanseringene i 2025. Ikke fordi den hadde penest demo, men fordi den traff et nervepunkt: Hva hvis avansert resonnering ikke bare er noe de største amerikanske labbene kan levere bak lukkede API-er?
DeepSeek publiserte R1 med åpne vekter, GitHub-repo og MIT-lisens. Det ga forskere og utviklere mulighet til å laste ned modellen, teste den lokalt, destillere mindre varianter og bygge egne systemer på toppen.
Hva R1 faktisk gjorde
DeepSeek-R1 ble kjent for resonnering: matematikk, kode, logikk og flerstegs problemløsing. Det er samme kategori som gjorde OpenAIs o1 kjent, men her kom modellen ut i et format som kunne studeres og gjenbrukes.
DeepSeek publiserte også destillerte modeller basert på Qwen- og Llama-varianter. Det gjorde teknologien tilgjengelig for langt flere enn de som kan kjøre fullmodellen.
DeepSeek-R1 gjorde resonnering til en open source-konkurranse, ikke bare en lukket premiumfunksjon.
MIT-lisensen betyr mye
MIT-lisensen gjør kommersiell bruk og videreutvikling enklere enn mange alternative modellisenser. For startups, konsulentselskaper og forskningsmiljøer betyr det mindre juridisk friksjon i pilotfasen.
Det betyr ikke at alle spørsmål er løst. Treningsdata, sikkerhet, geopolitikk og sensur må fortsatt vurderes. Men lisensen senker terskelen for praktisk eksperimentering.
Norsk relevans
For norske virksomheter handler R1 mindre om å bytte alt til DeepSeek, og mer om å teste antakelser. Må avansert resonnering kjøpes som dyr API? Kan mindre destillerte modeller løse interne oppgaver godt nok? Er lokal kjøring realistisk for avgrensede domener?
Dette er særlig relevant i utdanning, forskning, offentlig sektor og industri, der språk, dataflyt og kostnad må kontrolleres.
Risikoen må tas på alvor
DeepSeek er kinesisk, og det alene gjør at mange norske organisasjoner må gjøre ekstra vurderinger. Det gjelder særlig hvis man bruker en hosted API. Lokal kjøring av åpne vekter gir et annet risikobilde enn å sende data til en ekstern tjeneste, men fjerner ikke behovet for sikkerhetstesting.
Modeller kan også gi feil svar med stor selvsikkerhet. Resonneringstekst ser ofte overbevisende ut, selv når den er gal.
Konklusjon
DeepSeek-R1 var mer enn en modellslipp. Den tvang bransjen til å innrømme at åpen AI kan være konkurransedyktig også på resonnering.
For Norge er den viktigste læringen pragmatisk: bygg egne benchmarker, test åpne alternativer, og vurder lokal kjøring der data og kostnad betyr mer enn maksimal demo-effekt.