Liang se comprometió firmemente a que DeepSeek mantenga en código abierto sus modelos más avanzados, argumentando que el desarrollo open source y la monetización comercial no son excluyentes . Definió el open source como "ceder beneficios" —un trueque deliberado que genera ventajas internas (orgullo de los empleados, cohesión de la empresa) y externas (se beneficia toda la comunidad de IA)
. Rechazó explícitamente la posibilidad de pasar a código cerrado, afirmando que la restricción en sí misma es una estrategia para maximizar la probabilidad de alcanzar la AGI
.
Liang declaró que la única visión a largo plazo de DeepSeek es la AGI (Inteligencia Artificial General), no construir una plataforma de consumo, una súper aplicación o maximizar los ingresos a corto plazo . Presentó una hoja de ruta técnica por etapas:
Descartó explícitamente invertir en generación 3D, generación de vídeo o modelos del mundo por considerarlos distracciones del camino hacia la AGI .
Liang rechazó la maximización de beneficios al estilo monopolístico. Su filosofía de precios para la API era clara: fijar precios para recuperar los costes del hardware en aproximadamente diez meses —un beneficio razonable, no maximizador . Señaló que, en este rango de precios, la demanda es inelástica —incluso duplicando el precio no se reduciría significativamente el consumo de tokens— pero optó por no hacerlo
. Cuando DeepSeek redujo una vez el precio de un modelo a una cuarta parte, el equipo lo celebró; la asequibilidad era el objetivo en sí mismo
.
Sobre el monopolio, afirmó que la empresa no lucha por el tráfico de consumidores, ni persigue las modas del mercado empresarial, ni intenta dominar ningún sector vertical . Su argumento principal: "Cuanto más restringido seas, más probabilidades tendrás de triunfar"
. El único monopolio que le importa es el que afecta al progreso hacia la AGI: el acceso a la potencia de cálculo, a la que calificó como la mayor limitación de DeepSeek, señalando que operan con aproximadamente 1/20 de la capacidad de cálculo de los laboratorios punteros de EE. UU., con unas 20.000 GPU equivalentes a H, y que van por detrás de Estados Unidos entre 12 y 18 meses
.