Küsters hebt hervor, dass solche Risiken nicht nur theoretisch sind. Das zeige eine Untersuchung der Sicherheitsfirma Crowdstrike vom Ende vergangenen Jahres, auf die Küsters verweist. Demnach produzierte das Deepseek-Modell R1 unsichereren Code, sobald es annahm, für Nutzer in Tibet oder die uigurische Gemeinschaft zu arbeiten. Am Reasoning des Modells sei teils erkennbar gewesen, dass es die sichere Lösung kannte, sie aber nicht auslieferte. Für den Wissenschaftler stellt sich daher die Frage: „Wollen wir uns von Modellen abhängig machen, die so starke politische Ideologien in den Daten, in der Architektur und im Output haben, nur weil es günstiger und effizienter ist?“

Das Training und die anschließende 18-monatige Nutzung verursachte bis Januar 20,4 Kilotonnen CO₂-Äquivalente, verbrauchte 281.000 Kubikmeter Wasser und führte zu einem Ressourcenverbrauch von 660 Kilogramm Antimon-Äquivalenten.

20,4 Kilotonnen CO₂e entsprechen 340 Kurzstreckenflügen. Pro Flug rechnet man mit 45 bis 75 Tonnen CO₂e (Umweltbundesamt, Atmosfair, einschließlich Nicht‑CO₂‑Effekten). Damit fällt der Wert kleiner aus als erwartet. Mistral stellt seine Daten offen zur Verfügung. OpenAI zeigt sich weniger transparent.