Ang mga Chinese AI lab ay nagpapakialam sa market upang makipagkumpetensya sa halaga ng kapaki-pakinabang na intelligence. Ang mga kontrol sa pag-export ay naglimita sa pagkakaroon ng Chinese lab sa mga advanced NVIDIA chip. Ang pagpanatili sa kompetitibo ay nangangahulugan ng pagkuha ng higit pang performance mula sa available na hardware. Sa pagtatrain, pinapanatili ng Deepseek ang mga GPU na gumagana habang ang data ay naglalakbay sa pagitan nila at nagpapalit sa mas mababang precision na format na nagpapadali ng memorya at compute. Mas malaki ang savings sa pagpapagana: ang mga sparse na model ay nagpapagana lamang ng isang maliit na bahagi ng kanilang parameter bawat token, at ang redesigned na attention ay nagbawas sa gastos sa memorya ng mahabang konteksto. Ang resulta ay mga model na mas mura na gawin at mas maraming mura na pana-panahon. Ang mga Chinese open-weight model ay tumataas mula sa ilalim ng 1.2% ng weekly token consumption sa OpenRouter noong huling bahagi ng 2024 patungo sa karamihan noong 2026. Ang OpenRouter ay isang maliit na bahagi ng global na volumen ng token at ang kanilang mga user ay price-elastic, kaya’t hindi ito dapat basahin bilang global na bahagi ng market. Ito ay nagpapakita na ang mga user ay pipiliin ang mas mura mga model kapag ang paglipat ay madali at ang performance ay sapat. Mas mura ang inference ay may estratehikong halaga rin para sa China. Ang mga model na ito ay maaari nang pana-panahon sa mga lokal na accelerator at nagbabawas sa dependensya ng bansa sa dayuhang hardware para sa inference. Ang China ay nananatiling nakasalalay karamihan sa dayuhang chip para sa frontier training. Hindi makakamit ng China ang buong kalayaan sa compute hanggang sa makapagtrain ang kanilang mga lab sa frontier models sa malaking iskala gamit ang lokal na imprastruktura.