Çinli AI laboratuvarları, faydalı zekânın maliyeti üzerinde rekabet zorlamaktadır. İhracat kontrolleri, Çinli laboratuvarların gelişmiş NVIDIA çiplerine erişimini kısıtladı. Rekabetçi kalabilmek, mevcut donanımdan daha fazla performans çıkarmak anlamına geliyordu. Eğitim sırasında, Deepseek, GPU'ları veriler birbirleri arasında taşınırken çalışmaya devam ettirdi ve bellek ve hesaplama kapasitesini yarıya indiren daha düşük hassasiyetli formatlara geçti. Daha büyük tasarruflar, servis aşamasında ortaya çıktı: seyrek modeller, her token için yalnızca parametrelerinin bir kısmını aktive eder ve yeniden tasarlanan dikkat mekanizması, uzun bağlamların bellek maliyetini azalttı. Sonuç olarak, inşa edilmesi daha ucuz ve çalıştırması çok daha ucuz modeller ortaya çıktı. Çinli açık ağırlıklı modeller, OpenRouter'da haftalık token tüketiminin %1,2'nin altında iken 2026'da çoğunluğa ulaştı. OpenRouter, küresel token hacminin küçük bir kısmını oluşturuyor ve kullanıcıları fiyat esnekliği taşıdığı için bu durum küresel pazar payı olarak yorumlanmamalıdır. Ancak kullanıcıların, geçiş kolay olduğunda ve performans yeterli olduğunda daha ucuz modelleri tercih ettiğini göstermektedir. Daha ucuz çıkarım, Çin için stratejik bir değere de sahiptir. Bu modeller zaten yerel hızlandırıcılarda çalışabiliyor ve ülkenin çıkarım için yabancı donanıma olan bağımlılığını azaltıyor. Çin hâlâ öncü eğitimi için büyük ölçüde yabancı çiplere bağımlı. Çin, laboratuvarlarının öncü modelleri yerel altyapı üzerinde ölçeklenebilir şekilde eğitebilir hale gelene kadar tam hesaplama bağımsızlığına sahip olmayacaktır.