Der Einfluss von DeepSeek auf den GenAI-Markt: Ein praktisches Experiment

Neulich hat unser CEO, Anand Sahay, fragte mich nach meiner Meinung zu den Auswirkungen von DeepSeek auf den GenAI-Markt. Anstatt nur zu lesen, was andere sagen, beschloss ich, ein praktisches Experiment durchzuführen - eine einfache Webanwendung mit DeepSeek zu erstellen und die Erfahrungen mit früheren Projekten zu vergleichen, bei denen andere Modelle verwendet wurden.

Warum dieses Experiment?

Der beste Weg, eine Technologie wirklich zu verstehen, ist, sie aus erster Hand zu benutzen. Anstatt zu lesen, was andere darüber denken, wollte ich DeepSeek in einem realen Szenario testen.

Im Jahr 2023 habe ich eine SMS-Erinnerungsanwendung in Go entwickelt - einer Programmiersprache, die ich zuvor noch nie verwendet hatte - und dabei ChatGPT genutzt. Eines der Hauptziele war es, die Portabilität zu gewährleisten und die Anwendung für alle Mitarbeiter des Unternehmens zugänglich zu machen. Angesichts der angeblichen Fähigkeiten von DeepSeek, Code zu schreiben, wollte ich sehen, wie es die gleiche Herausforderung bei einem ähnlichen Projekt, aber mit einem noch einfacheren technischen Stack - HTML und JavaScript - meistern würde.

Erstellen eines SMS-Senders mit DeepSeek

Bevor wir fortfahren, lassen Sie uns kurz zusammenfassen, was die SMS-Sender-App leisten soll. Mit ihr können Sie benutzerdefinierte Nachrichten an eine Liste von Personen senden, die in einer CSV-Datei definiert ist. Die App benötigt einen MessageBird API-Schlüssel, eine Nachricht und eine CSV-Datei mit Namen und Telefonnummern. Das System personalisiert und versendet die SMS dann entsprechend.

Der Entwicklungsprozess war erstaunlich effizient. Innerhalb von 15 Minuten hatte ich eine voll funktionsfähige Webanwendung. Die einzige erforderliche Anpassung? Die Aktualisierung des Feldes "Absender", das ich in meiner ursprünglichen Anfrage nicht angegeben hatte! Eine kleine Korrektur später lief die App reibungslos.

Kosten & Leistung Aufschlüsselung

Eines der herausragenden Merkmale von DeepSeek ist seine Erschwinglichkeit. Hier ist eine kurze Aufschlüsselung der Kosten:

Im Vergleich zu anderen GenAI-Modellen war dies unglaublich kosteneffizient. Ein weiterer Vorteil? DeepSeek kann sowohl vor Ort als auch in der Cloud eingesetzt werden und bietet damit Flexibilität für unterschiedliche Geschäftsanforderungen.

Jenseits der Kosten: Transparenz und Begründungsfähigkeiten

Eine Funktion, die besonders hervorstach, war das Denkmodell von DeepSeek, DeepSeek R1. Dieses Modell ist den neuesten Angeboten von OpenAI ebenbürtig, aber mit einem zusätzlichen Bonus: Transparenz. Die Möglichkeit, zwischen DeepSeek V3 für die Generierung und DeepSeek R1 für die Schlussfolgerungen zu wechseln, bedeutete, dass ich die Logik hinter bestimmten Ergebnissen analysieren und sie bei Bedarf verfeinern konnte.

Die wichtigsten Erkenntnisse aus dem DeepSeek-Test

Für diejenigen, die sich für die technischen Details interessieren, hier ist die genaue Eingabeaufforderung, die ich für die anfängliche Codierungsaufgabe verwendet habe:

<em>"Erstellen Sie mit Hilfe der message bird API eine HTML-Seite, auf der ich meinen message bird API-Schlüssel, eine CSV-Datei mit Namen und Telefonnummern und ein Textfeld eingeben kann, in das ich den Text einer SMS-Nachricht eingeben kann, die über message bird an die in der CSV-Datei enthaltenen Telefonnummern gesendet werden soll."</em>

Möchten Sie die App selbst ausprobieren? Sie können sie hier testen: MessageBird SMS Sender.

Möchten Sie mehr über den DeepSeek erfahren? Erfahren Sie, wie DeepSeek V3 & R1 KI intelligenter, billiger und sicherer machen