DeepSeek R1, ecco quanto è costato davvero il training dell'AI che ha sorpreso tutti

Nei giorni scorsi ha fatto molto rumore la pubblicazione del paper su DeepSeek R1 nella rivista Nature. Alcuni numeri presenti nel report hanno spinto molti osservatori a sostenere che l'intero modello fosse stato addestrato con un budget di appena 294.000 dollari. In realtà, i dati completi raccontano una storia ben diversa, con cifre vicine ai 5,87 milioni di dollari.

La cifra di 294.000 dollari si riferisce infatti a una fase specifica e finale del lavoro: il reinforcement learning applicato a R1-Zero, costruito sulla base del modello DeepSeek V3. Questa procedura, basata sulla tecnica Group Relative Policy Optimization (GRPO), ha richiesto 64 server con otto GPU H800 ciascuno, per un totale di 512 unità utilizzate per 198 ore, più altre 80 ore di affinamento. È qui che si è formata la parte di R1 legata al cosiddetto "ragionamento passo-passo".

La confusione nasce dal fatto di aver considerato solo una parte, quella finale, dell'addestramento. Il training del modello di base, DeepSeek V3, aveva già richiesto 2.79 milioni di ore GPU, equivalenti a circa 5,58 milioni di dollari, a cui va sommato il reinforcement learning per arrivare al totale. Si tratta dunque di un processo in linea con i grandi modelli occidentali, come Llama 4 di Meta, che secondo i dati pubblici ha impiegato fra 2,38 e 5 milioni di ore GPU.

La differenza sostanziale sta nel rapporto tra dimensione del modello e quantità di dati utilizzati: DeepSeek V3 è più grande della versione Maverick di Llama 4, ma ha impiegato 14,8 trilioni di token per l'addestramento, molto meno rispetto ai 22-40 trilioni dei modelli di Meta. In altre parole, la presunta "efficienza estrema" di DeepSeek va ridimensionata alla luce di questi dati.

Va anche sottolineato che le stime economiche si basano sull'ipotesi di noleggio delle GPU a 2 dollari l'ora. Il costo reale dei server con 256 GPU utilizzati per V3 supera i 51 milioni di dollari, senza considerare spese aggiuntive per ricerca, acquisizione e pulizia dei dati, o eventuali esperimenti non andati a buon fine.

In definitiva, l'idea che DeepSeek sia riuscita a costruire un modello avanzato a un costo irrisorio è un'illusione. I numeri reali confermano che anche in Cina l'AI di nuova generazione richiede risorse colossali, paragonabili a quelle impiegate dai giganti tecnologici occidentali.