Ang pinakabagong AI model ni DeepSeek ay ang pinakamura para i-run sa pagkakasunod-sunod ng mga kilalang model. Ang pagkakaiba sa gastos ay hindi maliit.
Ang mga numero na nagpapakatakot sa Wall Street
Ang modelong R1 ng DeepSeek, na ipinakilala noong Enero 2025, ay gumagana sa halos $0.14 bawat milyong token. Para sa konteksto, ang katumbas na tawag ng OpenAI ay may presyo na $7.50 bawat milyong token noong panahong iyon. Ito ay isang pagbawas ng gastos na 98%.
Ang mas bagong modelo na V4-Pro, na ipinakilala noong Abril 2026, nasa halagang $0.87 bawat milyong token para sa output at $0.435 para sa input. Ang mga numero na ito ay nagpapakita ng pagbawas na 34x kumpara sa mga pangunahing kalaban. Noong huling Mayo 2026, pinigilan na ng kumpanya ang mga presyong ito nang permanente.
Mayroon pa ang V4-Flash variant, na naglalayon sa mga workload na may mababang budget sa halagang $0.14 bawat milyong token. Ito ay sinasabing 35x mas mura kaysa sa mga alternatibo ng GPT-5.5. Ang mga pagsusuri mula sa mga third-party ay nagpatotoo na ang mga modelo ng DeepSeek ay pangkabuuan ay 20 hanggang 50x mas mura kaysa sa mga pangunahing closed models.
Ang V4-Pro Max ay nasa premium end ng lineup ng DeepSeek na may blended price na humigit-kumulang $2.17 bawat milyong tokens, na pinatotohanan ng maraming benchmarking providers.
Ang mga benchmark ng performance ng V4-Pro ay katumbas ng Claude Opus 4.6 at GPT-5.5, dalawa sa pinakamakapangyarihang mga modelo sa merkado.
Paano nila ito ginawa
Gumagamit ang DeepSeek ng isang Mixture-of-Experts (MoE) na pagkakabuod. Sa halip na i-activate ang lahat ng mga parameter ng modelo para sa bawat query, ang mga arkitekturang MoE ay nagr-routes sa bawat kahilingan sa pinakamakatotohanang subset ng ekspertisya ng modelo. Ibig sabihin nito, mas kaunting compute bawat query, kaya mas mababang gastos bawat query.
Ibinigay ng nakaraang V3 model ng DeepSeek ang halagang $5.576 milyon sa pag-rent ng GPU para sa pag-train, kumpara sa mga daan-daang milyon (at minsan ay bilyon) na ginugol ng mga laboratoryo sa US sa kanilang mga pag-train.
Ang modelo ay ganap na open-source sa ilalim ng lisensya ng MIT, na nangangahulugan na kahit sino ay maaaring i-deploy, i-modify, o magbuo ng mga bagay sa itaas nito nang walang bayad sa lisensya.
Bakit dapat mag-alala ang crypto at mas malawak na mga merkado
Ang pinakamabilis na epekto sa merkado ay naramdaman noong Enero 2025, nang masira ang presyo ng mga stock ni Nvidia habang binabago ng mga investor ang kanilang mga inaasahan tungkol sa hinaharap na pangangailangan para sa mataas-end na hardware para sa compute.
Sa partikular na sektor ng crypto, ang mga decentralizadong AI project ay nakaranas ng pagkakabagabag dahil sa ekonomiks ng mga gastos sa inference. Kapag ang pagpapatakbo ng isang model ay nagkakahalaga ng $7.50 bawat milyong tokens, ang mga decentralized compute network ay nahihirapan makipagkumpetensya sa mga sentralizadong cloud provider. Sa $0.14 bawat milyong tokens, nagbabago ang matematika nang malaki.
Ang mga DePIN network na nakatuon sa GPU compute, tulad ng Render, Akash, at io.net, ay maaaring makaranas ng pagbabago sa kanilang mga halaga. Ang mas mura AI ay nagbabawas sa premium na ibinibigay ng mga user para sa compute, samantalang ito ay nagpapalawak sa kabuuang addressable market sa pamamagitan ng paggawa ng mga aplikasyon na may AI na maaaring gamitin sa mas malawak na hanay ng mga use case.