DeepSeek 做到了很少有 AI 实验室能做到的事：它把一个技术架构选择变成了一场彻底的市场颠覆。这家中国 AI 开发商的最新模型运行成本只是 OpenAI、Anthropic 或 Google 当前产品的一小部分，而且随着每次新发布，这一差距还在不断扩大。理解 DeepSeek AI 定价 现在已经远远超出了软件开发者的范畴——它正在重塑芯片制造商、云服务提供商，甚至与加密货币相关的去中心化算力网络的预期。
Summary
关键要点
- DeepSeek 的 R1 模型于 2025 年 1 月发布，价格约为每百万 tokens 0.14 美元，而当时 OpenAI 的同类产品为每百万 tokens 7.50 美元——价差达到 98%。
- 更新的 V4-Pro 模型于 2026 年 4 月首次亮相，输出价格为每百万 tokens 0.87 美元，输入价格为每百万 tokens 0.435 美元，并于 2026 年 5 月下旬将该定价永久锁定。
- 面向预算的 V4-Flash 版本运行成本约为每百万 tokens 0.14 美元。
- 研究机构 Artificial Analysis 发现，V4-Flash 平均每次基准测试仅需 0.03 美元，远低于竞争对手，如 Moonshot 的 Kimi K3（约 0.86 美元）、OpenAI 的 GPT-5.6 Sol（约 1.86 美元）以及 Anthropic 的 Claude Fable 5（约 3.15 美元）。
- DeepSeek 的模型依赖于专家混合（Mixture-of-Experts）架构，并以开源 MIT 许可证发布，其 V3 模型据称仅花费 557.6 万美元的 GPU 租赁费用进行训练。
DeepSeek 以超低成本模型革新 AI 定价
DeepSeek 的核心主张很直接：其模型在性能上具有竞争力，同时运行成本却远低于美国最大几家实验室的任何产品。这个主张已经在多个产品周期中经受住了考验，也是公司整体战略的基础。
R1 模型以每百万 tokens 0.14 美元的价格发布
当 DeepSeek 的 R1 模型在 2025 年 1 月发布时，其运行成本约为每百万 tokens 0.14 美元。当时 OpenAI 的同类产品定价为每百万 tokens 7.50 美元——差距约为 98%。这一单一的价格差就引发了科技股的普遍抛售，因为投资者突然开始质疑，美国领先 AI 公司是否在基础设施上花费过多，而竞争对手却能以极低成本实现相当的效果。
V4-Pro 和 V4-Flash 进一步压低成本
自那以后，公司并未放慢脚步。其 V4-Pro 模型于 2026 年 4 月首次亮相，输出价格为每百万 tokens 0.87 美元，输入价格为每百万 tokens 0.435 美元——公司称这比领先对手便宜 34 倍。DeepSeek 于 2026 年 5 月下旬将这些 V4-Pro 价格永久锁定，为开发者提供了在 AI 服务商频繁调整费率的市场中极为罕见的价格确定性。
在 V4-Pro 之下是 V4-Flash，专门面向预算敏感型工作负载，价格约为每百万 tokens 0.14 美元——DeepSeek 称这一数字比 GPT-5.5 替代方案便宜 35 倍。在产品线的高端，V4-Pro Max 模型的价格约为每百万 tokens 2.17 美元，仍然远低于美国实验室同类旗舰模型的典型收费。
研究公司 Artificial Analysis 通过按任务而非按原始 token 定价来对 AI 系统进行基准测试，其测得 V4-Flash 的平均成本为每次基准测试仅 0.03 美元。作为对比，该公司给出的 Moonshot AI 的 Kimi K3 约为每次 0.86 美元，OpenAI 的 GPT-5.6 Sol 约为 1.86 美元，Anthropic 的 Claude Fable 5 为 3.15 美元。这种基于基准测试的衡量方式之所以重要，是因为它考虑的是模型完成任务实际需要多少计算量，而不仅仅是每个 token 的标价——从这一角度看，DeepSeek 的优势甚至比表面数字所显示的还要大。
在性能方面，取舍是存在的，但并不显著。Artificial Analysis 在其智能指数（Intelligence Index）上给 V4-Flash 打了 100 分中的 50 分，与 Google 的 Gemini 3.6 Flash 持平，但落后于得分 57 分的 Moonshot Kimi K3。Anthropic 的 Claude Opus 5、Claude Fable 5 以及 OpenAI 的 GPT-5.6 的得分都至少高出 9 分。与此同时，DeepSeek 更强大的 V4-Pro 模型在基准测试中的表现可与 Claude Opus 4.6 和 GPT-5.5 媲美，这两者是当前市场上最强大的模型之一。
DeepSeek 成本优势背后的技术
DeepSeek 的定价并不是补贴噱头——而是源于一种架构选择，它改变了每个查询实际消耗的计算量。
专家混合架构减少每次查询的计算量
公司围绕专家混合（Mixture-of-Experts，MoE）方法构建其模型。MoE 架构不会在每次请求中激活模型的所有参数，而是将每个查询路由到模型中最相关的专家子集。每次查询所需计算量更少，就直接转化为每次查询成本更低——这几乎是 DeepSeek 宣布的每一次降价背后的机制。
训练成本与开源许可
节省不仅体现在模型运行上。DeepSeek 早期的 V3 模型据称在训练时仅花费约 557.6 万美元的 GPU 租赁费用，这一数字远低于美国实验室在单次训练中投入的数亿美元——有时甚至是数十亿美元。除此之外，DeepSeek 将其模型完全以 MIT 许可证开源发布，这意味着开发者可以在无需支付任何许可费用的情况下部署、修改或在其基础上进行构建。
正是这种组合——更便宜的架构、更便宜的训练以及免费的许可——使得 DeepSeek 在去中心化 AI 成本方面的做法不断吸引那些此前无力尝试前沿级模型的开发者的关注。
DeepSeek 低成本 AI 的市场与行业影响
最直接的冲击波首先袭击了硬件市场。早在 2025 年 1 月，Nvidia 的股价就出现了明显下跌，因为投资者重新评估对高端算力硬件未来需求的预期，理由是：如果一个如此便宜的模型就能匹敌西方产品，那么整个行业可能需要的昂贵芯片会比之前假设的少得多。
这对芯片需求和 AI 基础设施意味着什么
这种反应体现了当前塑造 AI 行业的一种更广泛的张力：更便宜的模型并不一定意味着整体算力需求减少，但它们确实迫使市场重新思考，买家愿意为边际性能提升支付多少溢价硬件成本。每当一个新的低成本模型出现，这种动态就会在芯片制造商和云服务提供商之间持续产生连锁反应。
更便宜的 AI 对去中心化算力和加密货币意味着什么
对于加密货币领域而言，这种经济结构的变化可以说比股市反应更具影响力。去中心化 AI 项目在历史上一直难以在推理成本上与中心化云服务提供商竞争。当运行一个模型的成本是每百万 tokens 7.50 美元时，去中心化网络根本无法匹敌大型云运营商所拥有的规模经济。而当成本降至每百万 tokens 0.14 美元时，这笔账就发生了根本变化。
专注于GPU 算力加密基础设施的 DePIN 网络——如 Render、Akash 和 io.net 等项目——因此可能会看到其价值主张发生转变。更便宜的 AI 降低了用户愿意为原始算力支付的溢价，但它也
通过让由人工智能驱动的应用能够服务于显著更广泛的应用场景
，
扩大了潜在客户的范围
。换句话说，更低的价格可能会压缩单个算力任务的利润率，同时扩大这些网络能够服务的整体需求池。
DeepSeek 也并非在真空中运作。该公司目前正面临来自其他中国 AI 开发商日益激烈的竞争，包括 Moonshot AI、MiniMax 和 Z.AI 等，它们都在争夺那些希望以可负担成本大规模部署 AI 系统的企业。这种竞争压力很可能会继续推动整个行业的价格下行，从而进一步强化正在重塑 AI、加密货币和去中心化算力交汇方式的趋势。
常见问题
DeepSeek 如何实现远低于竞争对手的 AI 模型运行成本？
DeepSeek 使用一种专家混合（Mixture-of-Experts）架构，只为每次查询激活模型参数中相关的子集，从而减少所需计算量并降低每次请求的成本。
DeepSeek 的定价对 AI 硬件市场产生了什么影响？
在 DeepSeek 于 2025 年 1 月推出低成本模型后，Nvidia 的股价出现明显下跌，因为这一消息促使投资者重新评估对高端算力硬件需求的预期。
DeepSeek 的开源许可证为何重要？
DeepSeek 的模型以 MIT 许可证发布，允许免费部署和修改，无需支付许可费用，从而促进了开发者更广泛的采用和创新。
DeepSeek 的定价可能如何影响去中心化 AI 和加密项目？
更低的 AI 推理成本提高了去中心化 GPU 算力网络的经济可行性，使在区块链和 Render、Akash、io.net 等 DePIN 平台上构建 AI 驱动应用变得更可行。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”DeepSeek 如何实现远低于竞争对手的 AI 模型运行成本？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”DeepSeek 使用一种专家混合（Mixture-of-Experts）架构，只为每次查询激活模型参数中相关的子集，从而减少所需计算量并降低每次请求的成本。”}},{“@type”:”Question”,”name”:”DeepSeek 的定价对 AI 硬件市场产生了什么影响？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”在 DeepSeek 于 2025 年 1 月推出低成本模型后，Nvidia 的股价出现明显下跌，因为这一消息促使投资者重新评估对高端算力硬件需求的预期。”}},{“@type”:”Question”,”name”:”DeepSeek 的开源许可证为何重要？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”DeepSeek 的模型以 MIT 许可证发布，允许免费部署和修改，无需支付许可费用，从而促进了开发者更广泛的采用和创新。”}},{“@type”:”Question”,”name”:”DeepSeek 的定价可能如何影响去中心化 AI 和加密项目？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”更低的 AI 推理成本提高了去中心化 GPU 算力网络的经济可行性，使在区块链和 Render、Akash、io.net 等 DePIN 平台上构建 AI 驱动应用变得更可行。”}}]}
本文在人工智能协助下完成，并由编辑团队审核。
