Azienda AI / DeepSeek
DeepSeek
Un’azienda associata a release aperte molto rapide, a una forte resa nel reasoning e a linee che spaziano dai flagship frontier agli specialisti del reasoning, fino ai rami storici più orientati al codice.
DeepSeek è l’azienda che ha dimostrato come il reasoning di frontiera non debba per forza essere costoso. Partita da modelli aperti per coding e linguaggio nel 2023, ha scosso il mercato con DeepSeek-V3 e con R1 di classe o1 — modelli capaci di eguagliare i flagship chiusi a una frazione del costo di training, perlopiù sotto licenze permissive.
Oggi il catalogo va dalle generazioni flagship V3 e V4 alla linea specialistica R1 per il reasoning, fino a release ponte come V3.2. Una cadenza rapida, aperta e reasoning-first ha reso DeepSeek una forza di riferimento sia nell’ecosistema dei modelli aperti sia nella più ampia corsa al rapporto prezzo-prestazioni.
Catalogo modelli
Ogni release della linea di modelli di questa azienda.
Ogni riga è una release distinta: la sua data, il suo tipo e le caratteristiche per cui è nota. Apri una fonte per approfondire.
| Modello | Rilascio | Tipo | Caratteristiche | Fonte |
|---|---|---|---|---|
| DeepSeek-V4 | apr 2026 | Flagship |
| DataStudios |
| DeepSeek-V3.2 | set 2025 | Reasoning |
| Sebastian Raschka |
| DeepSeek-V3.1 | ago 2025 | Aggiornamento |
| DeepSeek API docs |
| DeepSeek-R1 | gen 2025 | Reasoning |
| DeepSeek API docs |
| DeepSeek-V3 | dic 2024 | Flagship |
| DeepSeek API docs |
| DeepSeek-V2.5 | set 2024 | Aggiornamento |
| DeepSeek API docs |
| DeepSeek-V2 | mag 2024 | Release open |
| GitHub |
| DeepSeek LLM 67B | nov 2023 | Release open |
| GitHub |
| DeepSeek Coder | nov 2023 | Coding |
| GitHub |
Timeline
Una timeline pratica di release dei modelli e tappe aziendali.
Questa pagina segue i momenti che contano davvero: le release dei modelli chiave, i salti di versione e le mosse aziendali che hanno cambiato il modo in cui questa azienda si presenta sul mercato AI.
DeepSeek-V4 esce nelle versioni V4-Pro e V4-Flash.
L’attuale generazione flagship si divide in una Pro orientata al reasoning profondo e una Flash veloce, entrambe per workload agentici a lungo contesto.
DeepSeek-V3.2 introduce la sparse attention, poi affiancata dalla variante Speciale.
La DeepSeek Sparse Attention abbatte i costi del lungo contesto; segue la variante V3.2-Speciale, più aggressiva sui problemi difficili.
DeepSeek-V3.1 unisce modalità thinking e non-thinking in un solo modello.
Il design ibrido assorbe il reasoning di R1 nella linea principale, con training pensato anche per acceleratori di produzione nazionale.
DeepSeek-R1 rilascia reasoning di classe o1 sotto licenza MIT.
Il lancio che scosse i mercati: reasoning chain-of-thought aperto a una frazione del prezzo, capace di bruciare per qualche giorno centinaia di miliardi dai titoli AI.
DeepSeek-V3 eguaglia i flagship chiusi con 5,6 milioni di dollari di training.
Un MoE aperto da 671B addestrato a una frazione dei budget occidentali diventa il più forte modello open weight e un argomento geopolitico.
DeepSeek-V2.5 fonde i rami chat e coder.
La fusione di due linee specialistiche in un unico modello generale prepara il pattern a flagship singolo che V3 erediterà.
DeepSeek-V2 dimostra che un MoE frontier puo costare radicalmente poco.
Un mixture-of-experts da 236B con 21B di parametri attivi innesca in Cina la prima guerra dei prezzi sui token API.
DeepSeek LLM 67B sfida Llama 2 con pesi aperti.
I primi modelli general purpose di DeepSeek fissano la strategia che l’azienda non abbandonera mai: ambizione frontier, distribuzione aperta.
DeepSeek Coder apre la storia di release dell’azienda.
Una famiglia di modelli per il codice completamente aperta, da 1.3B a 33B, appare quasi dal nulla e domina subito i benchmark open di coding.