Ang mga AI model mula sa Tsina ay nagpapababa ng gastos at lumalampas sa mga kalaban sa US sa kahusayan sa pagtuturo at pag-infer

Ipinagtrabaho ng DeepSeek ang kanyang V3 model sa halos $5.58 milyon. Para sa konteksto, karaniwang ginagastos ng mga kalaban sa US ang tens hanggang hundreds ng milyon para sa mga modelo sa frontier level.

Sa Mayo 2026, dinagdagan ng DeepSeek nang peryente ang presyo ng kanyang V4-Pro model ng 75%. Bumaba ang gastos sa cached input hanggang sa RMB 0.025 bawat milyong token.

Hindi nag-iisa si DeepSeek sa paligsahan na ito patungo sa pinakamababang presyo. Ayon sa mga ulat, ang Chinese na kumpanya na 01.ai ay nag-aalok ng inference sa halos 14 sentimo bawat milyong token, nagpapakita na ang presyo ng Chinese API ay ang pinakamababa sa buong mundo.

Ang mga Chinese AI model sa OpenRouter ay nakamit ang 5x paglago sa volume, na hinahamon ng halos buong kanilang mga kalamangan sa gastos kumpara sa mga alternatibong US.

Ang mga developer sa Tsina ay nagbuo ng mga nakakalat na MoE arkitektura na bumabawas sa pag-aktibo ng mga parameter mula sa 671 bilyon pababa sa lamang 37 bilyon. Ito ay nangangahulugan ng pagbawas sa gastos sa kompyutasyon ng 90-97% sa antas ng inference.

Sa labas ng arkitektura, ang mga Tsinoong timbangan ay sumasang-ayon sa mga mas mababang-precision na paraan ng pagtuturo tulad ng FP8, na nagbabawas sa mga pangangailangan sa komputasyon ng bawat indibidwal na kalkulasyon.

Ang R1 reasoning model ng DeepSeek ay tinuruan para sa halos $294,000, gamit ang 512 H800 chips sa loob ng 80 oras.

Mula noong 2023, ang mga pagsasabwatan sa pag-export ng US ay naglimita sa pagkakaroon ng Chinese companies sa mataas-antas na hardware ng Nvidia. Ang H100 at mga susunod nito ay epektibong hindi ma-access. Ang mga Chinese developer ay nagtatrabaho na kasama ang H800, isang downgraded na chip na disenyo upang sumunod sa mga patakaran sa pag-export.

Ang mga pangunahing Chinese player na nasa hangganan ng efisiyensya na ito ay kasama ang Qwen ng Alibaba, ang Kimi ng Moonshot AI, ang GLM ng Zhipu AI, at ang Doubao ng ByteDance, kasama ang DeepSeek.

Kung ang frontier-level na AI performance ay maaaring maabot sa mga gastos sa pagtuturo na mas mababa sa $6 milyon kaysa sa $100 milyon pataas, ang kapital na gastos na moat sa paligid ng mga lider sa AI sa US ay nagsisimulang maging mas maliit.

Para sa crypto at Web3 ecosystem, mas mababang inference ay diretso na nagbabawas sa gastos ng pagpapatakbo ng AI-powered na decentralized applications, oracle networks, at on-chain analytics tools.

Ang 97% pagbawas sa compute na natutupad ng mga Chinese developer sa pamamagitan ng sparse MoE architectures ay hindi lamang teknikal na milestone. Ito ay mga signal ng presyo, at ang mga merkado ay hahalos sumunod sa mga signal ng presyo.