🐯虎嗅•最新收集於 26m
Token 價格讓位於任務經濟學
💡模型價格走向分化：了解為何任務成本、算力稀缺與使用者規模比 Token 更重要。
⚡ 30-Second TL;DR
有什麼變化
DeepSeek 已預告 API 可能大幅漲價，但尚未公布確切調整幅度。
為什麼重要
對 AI 建構者而言，單純的 Token 價格正逐漸失去代表應用經濟性的能力。團隊應以每個完整工作流程的成本、延遲、可靠性與容量可用性評估模型，而不只是比較 Token 單價。
下一步行動
請以「每次成功完成任務的成本」而非「每百萬 Token 成本」，比較 DeepSeek API、GPT-5.6-Luna-0730 與 Kimi-K3 在你實際工作流程中的表現。
誰應關注：Developers & AI Engineers
關鍵要點
- •DeepSeek 已預告 API 可能大幅漲價，但尚未公布確切調整幅度。
- •文章稱，在 ARC-AGI-2 上，Kimi-K3 每項任務成本約 1.59 美元，而表現相近的 GPT-5.6-Luna-0730 約為 0.18 美元。
- •DeepSeek-V4-Flash-0731 每項任務成本被估為 0.042 美元，即使大幅漲價，仍可能保有價格優勢。
- •提高價格可能是為了將有限推理算力配置給支付意願更高、任務價值更大的使用者。
- •OpenAI 強調使用者規模與平台入口，Anthropic 則聚焦高價值專業任務。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •DeepSeek 此次漲價策略背後，反映了中國 AI 廠商在面臨美國晶片出口管制下，算力資源（如 H100/H200 等高階 GPU）獲取成本持續攀升的結構性困境。
- •任務經濟學（Task Economics）的興起，促使開發者開始採用『混合模型路由』策略，即根據任務複雜度動態調用不同成本的模型，而非單一依賴旗艦模型。
- •OpenAI 與 Anthropic 的降價策略，部分源於其透過大規模推理優化（如 Speculative Decoding）與自研晶片部署，成功降低了單位推理的邊際成本。
- •市場數據顯示，企業客戶對於 AI API 的採購決策已從『Token 單價』轉向『任務完成率（Task Success Rate）』與『端到端延遲（Latency）』的綜合評估。
- •DeepSeek 透過調整定價結構，意在篩選出高頻、高價值的企業級用戶，以緩解推理算力供需失衡，並提升整體營收效率。
📊 競品分析▸ Show
| 特性/模型 | DeepSeek-V4-Flash | GPT-5.6-Luna | Kimi-K3 |
|---|---|---|---|
| 任務成本 (ARC-AGI-2) | $0.042 | $0.18 | $1.59 |
| 核心定位 | 高性價比/推理優化 | 通用平台/生態入口 | 專業任務/長文本處理 |
| 定價策略 | 動態調整/價值導向 | 規模化降價/市佔優先 | 高價值任務/溢價定價 |
🛠️ 技術深入
- DeepSeek-V4-Flash 採用了混合專家模型（MoE）架構，透過更細粒度的專家路由機制，在保持低推理延遲的同時提升了複雜任務的處理能力。
- GPT-5.6-Luna 引入了新型推理加速技術，透過預測性解碼（Speculative Decoding）與動態 KV 快取壓縮，顯著降低了長序列任務的算力消耗。
- Kimi-K3 針對長文本任務優化了注意力機制（Attention Mechanism），在處理超長上下文時，透過分段處理與記憶增強技術，減少了重複計算的冗餘。
🔮 前景展望AI analysis grounded in cited sources
AI API 市場將出現『分層定價』常態化
廠商將根據任務的算力需求與商業價值，將 API 劃分為基礎、標準與企業級三種定價模式，徹底告別單一 Token 計費。
模型路由服務（Model Routing Service）將成為 AI 中間件主流
隨著模型成本差異擴大，企業將更依賴自動化路由工具，根據任務類型即時選擇最優成本的模型，以最大化 ROI。
⏳ 時間線
2025-03
DeepSeek 發布 V3 系列模型，以極低 API 價格迅速佔領開發者市場。
2025-11
DeepSeek 宣布啟動推理算力優化計畫，開始針對高負載任務進行資源調度測試。
2026-06
DeepSeek 預告將調整 API 定價策略，標誌著從『價格戰』轉向『價值戰』的戰略轉型。
📰
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： 虎嗅 ↗