Liang dengan tegas berkomitmen untuk terus merilis model-model tercanggih DeepSeek sebagai open source, dengan alasan bahwa pengembangan open source dan komersialisasi tidak saling bertentangan . Ia mendeskripsikan open source sebagai "merelakan keuntungan" — sebuah pengorbanan yang disengaja yang memberikan manfaat internal (kebanggaan karyawan, kohesi perusahaan) dan manfaat eksternal (komunitas AI yang lebih luas diuntungkan)
. Ia secara eksplisit menolak untuk beralih ke model tertutup (closed-source), dengan mengatakan bahwa menahan diri adalah strategi untuk memaksimalkan probabilitas tercapainya AGI
.
Liang menyatakan bahwa satu-satunya visi jangka panjang DeepSeek adalah AGI (Artificial General Intelligence) — bukan membangun platform konsumen, super app, atau memaksimalkan pendapatan jangka pendek . Ia menjabarkan peta jalan teknis yang bertahap:
Ia secara eksplisit menolak berinvestasi di bidang generasi 3D, generasi video, atau world models dengan alasan hal itu akan mengalihkan fokus dari jalur menuju AGI .
Liang menolak model monopoli yang mengejar maximisasi keuntungan. Filosofi penetapan harga API-nya sangat sederhana: harga ditetapkan untuk menutup biaya perangkat keras dalam waktu sekitar sepuluh bulan — ini adalah keuntungan yang wajar, bukan keuntungan maksimal . Ia mencatat bahwa permintaan pada kisaran harga ini bersifat inelastis — bahkan jika harga dilipatgandakan, konsumsi token tidak akan berkurang secara signifikan — namun ia memilih untuk tidak melakukannya
. Ketika DeepSeek pernah memotong harga sebuah model menjadi seperempatnya, tim justru merayakannya; keterjangkauan harga adalah tujuannya
.
Mengenai monopoli, ia mengatakan bahwa perusahaannya tidak bertarung untuk merebut lalu lintas konsumen (C-end), tidak mengejar tren pasar B-end (B2B), dan tidak berusaha mendominasi ceruk pasar tertentu . Argumen utamanya: "Semakin Anda menahan diri, semakin besar kemungkinan Anda untuk berhasil"
. Satu-satunya monopoli yang ia pedulikan adalah yang relevan bagi kemajuan AGI — yaitu akses ke daya komputasi, yang ia sebut sebagai kendala terbesar DeepSeek. Ia mencatat bahwa DeepSeek beroperasi dengan daya komputasi sekitar 1/20 dari laboratorium AI AS, dengan sekitar 20.000 GPU setara H, sehingga tertinggal 12-18 bulan dari AS
.