Według relacji South China Morning Post (SCMP), opublikowanej 4 listopada 2026 roku, inżynier DeepSeek Gao Xi bronił na wtorkowym panelu World Internet Conference (WIC) w Wuzhen otwartego rozwoju AI jako sposobu na przyspieszenie prac nad sztuczną inteligencją ogólną (AGI). Argumentował, że współdzielenie innowacji i przełomy techniczne mogą przyspieszyć postęp.

Gao opisywał AGI jako wyścig z czasem, nie z konkurencyjnymi firmami. Przytoczone przez niego horyzonty — skrócenie oczekiwania z dziesięciu lat do roku, a z roku do jutra — były wyrazem aspiracji, nie prognozą terminu pojawienia się AGI. SCMP osadził wypowiedź w kontekście obaw o bezpieczeństwo AI w USA oraz kontroli w Chinach pod kątem możliwych zagrożeń dla bezpieczeństwa narodowego.

Wcześniejszy tekst NeoTeo dotyczył odrębnego ostrzeżenia Liu Shengyu o koncentracji zaawansowanej AI w Anthropic. Tamto ostrzeżenie o koncentracji AI dotyczyło tego, kto może kontrolować zaawansowane systemy, a argument Gao — tego, czy otwarty rozwój może przyspieszyć postęp.

Jakie elementy R1 DeepSeek opisuje jako udostępnione

DeepSeek wymienia jako udostępnione DeepSeek-R1, DeepSeek-R1-Zero oraz sześć modeli destylowanych o rozmiarach 1,5, 7, 8, 14, 32 i 70 mld parametrów. Destylacja polega tu na przygotowaniu mniejszych wariantów na podstawie większych modeli. Karta modelu DeepSeek-R1 przypisuje licencję MIT kodowi repozytorium i wagom, a także wskazuje, że licencja pozwala na użycie komercyjne i modyfikacje.

DeepSeek podaje dla DeepSeek-R1 i DeepSeek-R1-Zero po 671 mld parametrów łącznie, 37 mld parametrów aktywowanych oraz kontekst o długości 128 tys. tokenów. Parametry aktywowane to część modelu wykorzystywana przy generowaniu odpowiedzi. Sześć modeli destylowanych oparto na rodzinach Qwen2.5 i Llama 3; dokumentacja osobno wskazuje licencje ich modeli bazowych.

W repozytorium DeepSeek-R1 wymieniono README, artykuł w PDF, plik licencji, katalog z ilustracjami i pliki workflow, a odnośniki do checkpointów prowadzą osobno. To konkretna lista modeli, kodu i wag udostępnianych przez DeepSeek, a nie opis każdego etapu ich tworzenia. Sama licencja MIT dla kodu i wag nie przesądza o otwartości całego procesu treningowego ani użytych danych.