DeepSeek entwickelt einen KI-Agenten, der besser als Claude Code ist

DeepSeek stellt Team für agentische KI-Konkurrenz zu Claude Code ein

DeepSeek hat 17 Stellenangebote veröffentlicht, die sich vollständig auf die Entwicklung agentischer KI konzentrieren. Die Positionen umfassen Forscher für Deep-Learning-Algorithmen für Agenten, Experten für die Bewertung von Agentendaten und Infrastruktur-Ingenieure. Bewerber müssen Erfahrung mit der Anwendung von DeepSeek-Modellen in Suchszenarien, Inhaltsgenerierung, multimodaler Verarbeitung und Agentenaufgaben haben. Die Anforderungen betonen ein tiefes Verständnis von Reinforcement-Learning-Techniken (RL), bei denen Modelle Strategien basierend auf der Analyse von Aktionsergebnissen anpassen.

Schwerpunkt in den Stellenbeschreibungen — Überlegenheit gegenüber Anthropics Claude Code und Cursor. Das signalisiert direkte Konkurrenz mit Marktführern bei KI-basierten Coding-Tools.

Kontext der Agentic-AI-Entwicklung in China

Die Einstellungen fallen mit wachsendem Interesse an Agentensystemen in China zusammen. OpenClaw, ein Open-Source-KI-Agent, wird in WeChat und andere Messenger integriert und treibt die Massenadoption voran. Über 600 Millionen Nutzer im Land verwenden bereits generative KI. Große Unternehmen — Tencent, Alibaba, Baidu, ByteDance — bringen aktiv Produkte auf Basis von OpenClaw heraus.

DeepSeek wechselt von Basismodellen zu vollwertigen Agentenprodukten und integriert sie in reale Anwendungen. Das ist ein logischer Schritt, um Expertise in RL und Agentenarchitektur zu skalieren.

• Wichtige Positionen bei den Einstellungen:

- Forscher für Deep-Learning-Algorithmen für Agenten.

- Experte für die Bewertung und Annotation von Agentendaten.

- Infrastruktur-Ingenieur für Agenten.

- RLHF-Spezialist (Reinforcement Learning from Human Feedback).

• Technische Anforderungen:

- Erfahrung mit DeepSeek-Modellen in Agentenszenarien.

- Kenntnisse von RL-Techniken für iterative Agentenverbesserung.

- Wettbewerbsanalyse: Claude Code, Cursor.

Parallele Arbeit an DeepSeek V4

Das Unternehmen hält nicht bei Agenten inne: Die Veröffentlichung von DeepSeek V4 wird erwartet, optimiert für Coding und langen Kontext. Das Modell wurde auf Huawei- und Cambricon-Chips trainiert, ohne Nvidia. Das stärkt die Unabhängigkeit von westlichen Technologien.

DeepSeek baut einen vollständigen Stack auf: von Hardware bis zu Agenten-Tools. Infrastruktur auf einheimischen Chips ermöglicht die Skalierung des Modelltrainings, maßgeschneidert für Agentenaufgaben, die hohe Effizienz bei langen Sequenzen erfordern.

Was zählt

• DeepSeek fokussiert auf 17 spezialisierte Rollen für agentische KI und zielt explizit auf Überlegenheit gegenüber Claude Code und Cursor ab.
• Wachstum von Agentensystemen in China: OpenClaw wird in Messenger integriert, genutzt von über 600 Millionen Menschen.
• DeepSeek V4 — erstes Modell auf Huawei-/Cambricon-Chips, optimiert für Coding und langen Kontext.
• Strategie: Vollstack von Hardware bis Agenten, mit Schwerpunkt auf RL und Unabhängigkeit von Nvidia.
• Für Entwickler: Positionen erfordern tiefes Wissen über RL im Kontext von DeepSeek-Modellen.

— Editorial Team