💰較早收集於 70m

DeepSeek 實施永久性降價策略

DeepSeek 實施永久性降價策略
PostLinkedIn
💰閱讀原文: 钛媒体

💡DeepSeek 的永久降價正在重塑 AI 的單位經濟效益。看看您的基礎設施成本是否能進一步優化。

⚡ 30-Second TL;DR

有什麼變化

DeepSeek 正式轉向永久性低價模式

為什麼重要

這種激進的定價策略迫使其他 LLM 提供商重新評估其單位經濟效益,並可能在 AI 基礎設施領域引發更廣泛的價格戰。

下一步行動

使用 DeepSeek 的新定價重新計算您的預計推理成本,以評估將生產工作負載遷移至該平台是否具備財務可行性。

誰應關注:Founders & Product Leaders

關鍵要點

  • DeepSeek 正式轉向永久性低價模式
  • 分析師將此定價策略與 10 兆美元的市場機會掛鉤
  • Amazon 高管正深入分析 DeepSeek 定價背後的成本效率

🧠 深度解析

Web-grounded analysis with 21 cited sources.

🔑 增強重點摘要

  • DeepSeek此次永久性降價策略主要針對其旗艦模型DeepSeek-V4-Pro的API服務,將原定於2026年5月31日結束的75%折扣優惠永久化,使其定價僅為原來的四分之一。
  • 此舉使DeepSeek-V4-Pro在AI模型性價比方面躍居全球榜首,其完成特定AI智能指數基準測試的成本僅為OpenAI GPT-5.5或Anthropic Claude Opus 4.7的約1/12至1/19。
  • DeepSeek之所以能實施如此激進的定價,得益於其底層技術創新,特別是DeepSeek-V2及V4-Pro模型中採用的多頭潛在注意力(Multi-head Latent Attention, MLA)機制和DeepSeek混合專家(DeepSeek Mixture-of-Experts, MoE)架構,這些技術顯著降低了推理成本和鍵值(KV)緩存佔用。
  • DeepSeek的成本優勢還部分來源於其「算力自主」策略,透過深度適配華為昇騰950PR等國產算力,減少對海外高端GPU的依賴,進而降低了硬體採購成本。
  • 此降價行動被視為一項精準的生態卡位戰略,旨在透過大幅降低AI應用門檻來吸引廣大開發者和企業用戶,形成「低價—用戶增長—生態繁榮—成本進一步下降」的正向循環,並推動AI應用形成「分層使用」的商業模式。
📊 競品分析▸ Show
模型特點定價 (每百萬Token)基準測試表現
DeepSeek-V4-Pro旗艦MoE模型,支援百萬級上下文長度,Agent能力、世界知識及推理性能領先開源領域。輸入 (快取命中): ¥0.025 (約$0.0036)
輸入 (快取未命中): ¥3 (約$0.42)
輸出: ¥6 (約$0.87)
AI智能指數基準測試成本:$268 (全球性價比榜首)
Agentic Coding: 優於Claude Sonnet 4.5,接近Claude Opus 4.6非思考模式
世界知識: 大幅領先開源模型,僅次於Gemini-3.1-Pro
數學、STEM、競賽程式碼: 超越所有公開評測開源模型,比肩全球頂級閉源模型
OpenAI GPT-5.5 / GPT-4o頂級閉源模型,廣泛應用於企業級工作負載。GPT-5.5 標準版輸出: $30 (約¥216)
GPT-5.5 Pro 版輸出: $180 (約¥1296)
GPT-4o 輸入/輸出: $3/$10 (約¥21.6/¥72)
完成相同AI智能指數基準測試的成本約為DeepSeek-V4-Pro的12倍
Anthropic Claude Opus 4.7頂級閉源模型,以其推理能力和長上下文處理見長。(未提供直接API定價,但) 完成相同AI智能指數基準測試的成本約為DeepSeek-V4-Pro的19倍
阿里巴巴 Qwen3.7 Max中國大型科技企業模型,在中國市場具競爭力。促銷期間API價格下調50%Artificial Analysis評估為中國整體智力最強模型 (性價比排名未建立)

🛠️ 技術深入

  • DeepSeek-V2總參數為2360億,但每個Token僅激活約210億參數,顯著降低了推理時的計算量。
  • 採用Multi-head Latent Attention (MLA) 機制,透過將鍵值(Key-Value)緩存壓縮為潛在向量,大幅減少了KV緩存佔用(DeepSeek-V2相較DeepSeek 67B減少93.3%),從而提高推理效率和吞吐量。
  • 引入DeepSeek Mixture-of-Experts (MoE) 架構,實現稀疏計算,使得模型在保持強大性能的同時,訓練成本更經濟(DeepSeek-V2相較DeepSeek 67B節省42.5%)。
  • DeepSeek-V4系列模型支援高達100萬Token的超長上下文長度,這對於長文檔分析、代碼理解等複雜應用場景至關重要。
  • 在推理端進行了極致優化,例如DeepSeek-V4系列處理百萬級Token長上下文時,算力消耗僅為上代產品的27%,單次推理算力消耗已降至前代的27%,緩存顯存佔用僅為原來的十分之一。

🔮 前景展望AI analysis grounded in cited sources

AI模型價格戰將進一步白熱化。
DeepSeek的永久降價策略,特別是在其他廠商漲價的背景下,將迫使競爭對手重新評估其定價策略,以避免失去市場份額,尤其是在對價格敏感的開發者和企業客戶群體中。
AI應用普及化將加速,並催生新的商業模式。
大幅降低的API成本將移除許多基於大模型的應用場景(如長文檔分析、多步驟AI代理)的成本障礙,使其從測試階段走向規模化運行,並可能形成輕量任務使用低成本模型、複雜任務使用高能力模型的「分層使用」模式。
中國AI企業在全球市場的影響力將增強。
DeepSeek透過技術創新實現的成本效益和對國產算力的適配,使其能夠在全球AI競爭中提供極具吸引力的價格,挑戰西方主導的AI市場格局,並吸引全球開發者。

時間線

2023-07
杭州深度求索人工智能基礎技術研究有限公司成立
2024-01
發布首個模型DeepSeek LLM
2024-05
發布DeepSeek-V2模型,引入MoE與MLA創新架構
2024-12
發布DeepSeek-V3模型,採用MoE架構,總參數達6710億
2026-04
發布DeepSeek-V4系列模型,包含V4 Pro預覽版
2026-05
宣布DeepSeek-V4-Pro API永久降價策略
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: 钛媒体