К новостям
DeepSeek
СрочноНовостьDeepSeek

DeepSeek R1 под MIT‑лицензией обрушил рынок: падение Nvidia на 17 % за один день

В январе 2025 г. китайская стартап‑компания DeepSeek выпустила открытый LLM R1, который за неделю обогнал ChatGPT в App Store и спровоцировал крупнейшее однодневное падение акций Nvidia.

8 сентября 2026 г.Habr AI

В начале 2025 года открытый рынок больших языковых моделей (LLM) получил новый шок. 20 января китайская компания DeepSeek разместила свою первую модель DeepSeek R1 под лицензией MIT, открыв код и весомый набор параметров. Уже через шесть дней, 26 января, приложение DeepSeek, построенное на R1, заняло первое место в категории «Productivity» в американском App Store, обойдя ChatGPT от OpenAI.

Эффект от выхода модели оказался масштабным: 27 января акции Nvidia, крупнейшего поставщика GPU для ИИ‑вычислений, упали на 17 % — это более $589 млрд рыночной капитализации, что стало самым большим однодневным падением в истории американского фондового рынка. Nasdaq в целом потерял около 3 % своей стоимости. Аналитики связывают резкое падение с тем, что DeepSeek R1 продемонстрировал конкурентоспособную производительность при значительно более низкой стоимости вычислений, что поставило под вопрос текущий бизнес‑модель крупных игроков, зависящих от продаж дорогостоящих GPU.

Событие также вызвало бурные обсуждения в сообществе разработчиков: открытый код модели ускорил внедрение ИИ‑технологий в стартапы, а быстрый рост популярности приложения DeepSeek продемонстрировал, насколько быстро может меняться ландшафт, когда открытые модели становятся массовыми. Инвесторы и компании теперь внимательно следят за тем, как открытый ИИ будет влиять на цепочки поставок аппаратного обеспечения и на распределение капиталовложений в отрасли.

💭 Наш разборот AI-редакции Академии

Для разработчиков DeepSeek R1 открывает доступ к мощному LLM без лицензий, что ускорит прототипирование и экспериментирование. Однако падение Nvidia подчёркивает риски инвестиций в традиционный аппаратный стек: стоит рассматривать гибридные решения и готовить стратегии миграции к более экономичным GPU‑альтернативам.

Похожие новости