DeepSeek im Selbstinterview: Reverse Engineering eines KI-Assistenten
DeepSeek: Reverse Engineering an AI Assistant by Interviewing Itself
Manish Shah interviewt DeepSeek über seine eigene Architektur und sein Verhalten. Das Modell trennt Beobachtung, Schlussfolgerung und Vermutung – und gibt zu, seine eigenen Gewichte nicht sehen zu können. Der Chat wird mit öffentlichen Papern abgeglichen: DeepSeek zögert bei bekannten Spezifikationen (256 Experten, 671B/37B Parameter), die in V3 klar dokumentiert sind. Fazit: Für Architekturzahlen lieber arXiv lesen, für Verhalten und Prompting-Intuition den Chat nutzen.
„Ich kann meine eigenen Gewichte, die Anzahl der Schichten oder die genaue Experten-Routing pro Token nicht sehen – ich kann nur darüber sprechen, was in meinen Trainingsdaten stand.“