APREX · EST. 2026
Reasoning-sjokket fikk en oppfølger
DeepSeek-R1 var en av modellnyhetene som virkelig ristet AI-markedet i 2025. Ikke fordi den var penest pakket inn, men fordi den viste at sterke reasoning-modeller kunne komme fra andre steder enn de største amerikanske laboratoriene.
Med DeepSeek-R1-0528 oppdaterte DeepSeek modellen og gjorde den tilgjengelig på Hugging Face under MIT-lisens. Det er viktig fordi R1 ikke bare var en modell. Den var et argument: avansert resonnering kan trenes og deles på måter som endrer økonomien i hele feltet.
DeepSeek gjorde reasoning til et prisspørsmål, ikke bare et prestisjespørsmål.
Hva R1-0528 representerer
R1-0528 er en oppdatering av DeepSeek-R1, publisert 28. mai 2025. Den fulle modellen ligger på Hugging Face, og DeepSeek har også sluppet en destillert 8B-variant basert på Qwen3.
Det siste er viktig. Store reasoning-modeller er krevende å kjøre, men destillerte varianter gjør teknikken mer tilgjengelig for utviklere, forskere og mindre selskaper som ikke sitter på frontier-infrastruktur.
RL-oppskriften bak gjennombruddet
DeepSeek-R1-paperet beskriver hvordan reasoning-egenskaper kan styrkes gjennom reinforcement learning. R1-Zero var spesielt oppsiktsvekkende fordi reasoning-adferd vokste frem uten tradisjonell supervised fine-tuning først, før DeepSeek bygget videre med en mer brukbar R1-modell.
Det gjør R1-serien viktig for forskningsmiljøer. Den viser ikke bare et sluttprodukt, men en treningsretning: modeller som lærer å bruke mer eksplisitt resonnering for matematikk, kode og komplekse oppgaver.
Hvorfor norske miljøer bør bry seg
Norge kommer ikke til å vinne AI-kappløpet ved å trene de største generelle modellene fra bunnen av. Men norske forskningsmiljøer, startups og virksomheter kan vinne på å forstå, teste og tilpasse åpne reasoning-modeller.
R1-0528 er relevant for matematikk, kode, teknisk analyse og interne beslutningsstøtter der det er viktig at modellen jobber grundigere enn en rask chatbot. Samtidig må norske brukere teste språk, sikkerhet, kildebruk og politiske eller kulturelle skjevheter selv.
Åpenhet betyr ikke fravær av risiko
DeepSeek-modellene har også reist spørsmål om sensur, jurisdiksjon, datasikkerhet og evalueringspraksis. Det er ikke nok å si at en modell er åpen. Virksomheter må vite hvor den kjøres, hvilke data den ser, hvilke begrensninger den har, og hvordan den oppfører seg på egne oppgaver.
For norske virksomheter bør R1-0528 derfor behandles som et forsknings- og pilotverktøy først. Den kan være svært nyttig, men den bør ikke ukritisk slippes inn i sensitive beslutningsløp.
Konklusjon
DeepSeek-R1-0528 viser at R1 ikke var en engangshendelse. Reasoning-modeller fortsetter å presse markedet, både teknisk og økonomisk.
For norske team er den beste reaksjonen ikke hype eller frykt. Det er målrettet testing: egne oppgaver, egne data, egne sikkerhetskrav. DeepSeek har gjort det vanskeligere å late som om bare de største lukkede modellene betyr noe.