Hva er DeepSeek V3.2?
DeepSeek er et kinesisk AI-selskap som har utviklet språkmodeller med ytelse som matcher de beste vestlige alternativene, men til vesentlig lavere kostnad. V3.2 er deres nyeste modell, og den bruker en teknisk tilnærming som skiller seg fra OpenAI og Anthropic.
Kjernen er sparse attention-mekanismer, en arkitektur der modellen bare aktiverer de delene av nettverket som er relevante for den aktuelle oppgaven, i stedet for å kjøre hele modellen på hver forespørsel. Resultatet er dramatisk lavere beregningskostnader uten tilsvarende tap i kvalitet.
I praksis betyr det at DeepSeek V3.2 kan håndtere lange kontekster (store dokumenter, komplekse analyser) til en brøkdel av prisen som GPT-4o eller Claude 3.5 tar.
Hvorfor det er relevant for norske bedrifter
Kinesiske språkmodeller var lenge et kuriosum, teknisk interessante, men lite relevante for europeiske virksomheter. Det har endret seg av tre grunner.
Prispress på hele markedet
Når en aktør leverer sammenlignbar kvalitet til en tidel av prisen, presser det prisene ned for alle. OpenAI og Anthropic har allerede justert prisingen på sine API-er. Flere konkurrenter betyr lavere kostnader for sluttbrukerne, uavhengig av om du bruker DeepSeek direkte.
Bedre resonnering mellom verktøykall
DeepSeek V3.2 viser forbedret evne til å resonnere mellom flere verktøykall i en sekvens. Det er relevant for AI-agenter og automatiserte arbeidsflyter der modellen må gjøre flere steg, for eksempel hente data fra et CRM, analysere trenden, og generere en rapport, uten menneskelig inngripen mellom stegene.
Tilgjengelighet via vestlige plattformer
Du trenger ikke sende data direkte til Kina for å bruke DeepSeek. Modellen er tilgjengelig gjennom flere vestlige plattformer og API-leverandører som hoster modellen i europeiske datasentre. Det reduserer noe av datasuverenitetsproblematikken, men eliminerer den ikke helt.
Hva bør du være oppmerksom på?
Datasikkerhet og regulering
Selv om modellen kan hostes i Europa, er den utviklet av et kinesisk selskap underlagt kinesisk lov. For virksomheter som håndterer sensitive data (personopplysninger, forretningshemmeligheter, helseinformasjon) krever det en bevisst vurdering.
EU AI Act stiller krav til transparens og sporbarhet. Kinesiske modeller har historisk vært mindre åpne om treningsdata og metodikk enn vestlige alternativer, selv om DeepSeek har vært mer transparent enn mange.
For de fleste norske SMB-er er den praktiske løsningen enkel: bruk kinesiske modeller til oppgaver med lav sensitivitet (innholdsproduksjon, generell analyse, oversettelse), og hold sensitive data på vestlige plattformer.
Språkkvalitet på norsk
Kinesiske modeller er primært trent på mandarin og engelsk. Norsk språkkvalitet er generelt svakere enn hos GPT-4o eller Claude, spesielt for idiomatisk norsk, fagterminologi og nynorsk. Test grundig før du ruller ut for kundevendt kommunikasjon.
En porteføljetilnærming til AI-modeller
Den viktigste lærdommen fra DeepSeek V3.2 er ikke at du bør bytte til en kinesisk modell. Det er at markedet nå er modent nok til at én modell sjelden er det beste valget for alt.
En porteføljetilnærming betyr at du bruker ulike modeller til ulike oppgaver basert på styrker, kostnader og risikoprofil:
- Kundevendt kommunikasjon på norsk: GPT-4o eller Claude, som har best norsk språkkvalitet
- Intern analyse med store datamengder: DeepSeek eller Gemini, som gir god ytelse til lav kostnad
- Koding og teknisk dokumentasjon: Claude eller GPT-4o Pro, som har sterkest resonneringsevne
- Enkel innholdsproduksjon: Den billigste modellen som leverer akseptabel kvalitet
Forutsetningen er at du bygger arkitekturer som gjør det enkelt å bytte mellom modeller. Et API-abstraksjonssjikt som støtter flere leverandører er ikke lenger en «nice to have». Det er god risikohåndtering.
Oppsummert
DeepSeek V3.2 er ikke en trussel og ikke en revolusjon. Det er et tegn på at AI-modellmarkedet modnes: flere aktører, lavere priser, mer spesialiserte styrker. For norske bedrifter betyr det bedre valgmuligheter og lavere kostnader, forutsatt at du gjør bevisste valg om når du bruker hvilken modell, og holder sensitive data der de hører hjemme.
