DeepSeek 宣布了其 API 服務的重大價格調整，包括 deepseek-v4-pro 模型提供 25 折優惠並延長至 2026 年 5 月 31 日，同時調降了輸入快取命中的價格。
DeepSeek 近期更新了其 API 服務的模型命名與定價策略，宣布 deepseek-v4-pro 模型將提供高達 75% 的折扣優惠，活動期限延長至 2026 年 5 月底。此外，該公司也調整了輸入快取（Input Cache）的計費方式，將價格大幅調降至發布時的十分之一，顯示出這家中國 AI 實驗室正透過極具競爭力的價格策略來擴張市場影響力。
針對 DeepSeek 的大幅降價，Hacker News 社群展開了激烈的討論，焦點集中在市場競爭、地緣政治風險以及商業模式的可持續性。部分用戶認為，前陣子業界才在討論 AI 「免費午餐」即將結束，如今卻看到中國實驗室反其道而行，透過補貼與折扣來爭奪市佔率。這種做法被視為一種精準的市場掠奪策略，特別是在 Anthropic 等美國競爭對手近期面臨用戶信任危機與算力供應吃緊的背景下，DeepSeek 的低價策略顯得極具威脅性。
關於 DeepSeek 為何能維持如此低廉的價格，社群中存在多種解讀。有觀點認為中國公司在司法管轄權上具有優勢，不必擔心美國法律體系的訴訟成本；也有人指出中國政府對創新企業的重金投資與補貼是背後主因。然而，也有技術導向的評論者認為，DeepSeek 與阿里巴巴的 Qwen 等模型，其商業模式在某種程度上是可持續的，因為它們在模型優化上表現優異，甚至能實現在單一 GPU 上運行。這引發了關於「護城河」的辯論：當算力不再是唯一答案，模型優化與市場領先地位將成為企業生存的關鍵。
隱私與安全問題則是討論中最具爭議的部分。許多用戶對 DeepSeek 的隱私政策表示疑慮，特別是條款中提到的「具備法律權利的第三方」等模糊字眼，令人聯想到中國的國家情報法。部分網友擔心與中國服務分享數據可能導致未來出入境風險，或數據被用於損害自身利益。但另一派觀點則相對淡然，認為對於開發者而言，分享程式碼片段的風險較低，甚至有人諷刺地表示，相比於本國情報機構的監控，遠在海外的政府對個人威脅反而較小。針對隱私疑慮，社群給出的具體建議是利用這些模型「權重開放」的特性，選擇在本地部署或透過其他隱私政策更透明的第三方供應商來調用模型。
最後，社群也觀察到 AI 市場供需關係的弔詭現象。一方面業界聲稱算力嚴重不足，急需擴建數據中心；另一方面實驗室卻又必須透過補貼來刺激需求。這反映出當前 AI 定價可能普遍存在不可持續性，多數公司仍依賴指數級增長的預期來支撐目前的虧損經營。
相關文章
其他收藏 · 0
DeepSeek 宣布了其 API 服務的重大價格調整，包括 deepseek-v4-pro 模型提供 25 折優惠並延長至 2026 年 5 月 31 日，同時調降了輸入快取命中的價格。
DeepSeek 近期更新了其 API 服務的模型命名與定價策略，宣布 deepseek-v4-pro 模型將提供高達 75% 的折扣優惠，活動期限延長至 2026 年 5 月底。此外，該公司也調整了輸入快取（Input Cache）的計費方式，將價格大幅調降至發布時的十分之一，顯示出這家中國 AI 實驗室正透過極具競爭力的價格策略來擴張市場影響力。
針對 DeepSeek 的大幅降價，Hacker News 社群展開了激烈的討論，焦點集中在市場競爭、地緣政治風險以及商業模式的可持續性。部分用戶認為，前陣子業界才在討論 AI 「免費午餐」即將結束，如今卻看到中國實驗室反其道而行，透過補貼與折扣來爭奪市佔率。這種做法被視為一種精準的市場掠奪策略，特別是在 Anthropic 等美國競爭對手近期面臨用戶信任危機與算力供應吃緊的背景下，DeepSeek 的低價策略顯得極具威脅性。
關於 DeepSeek 為何能維持如此低廉的價格，社群中存在多種解讀。有觀點認為中國公司在司法管轄權上具有優勢，不必擔心美國法律體系的訴訟成本；也有人指出中國政府對創新企業的重金投資與補貼是背後主因。然而，也有技術導向的評論者認為，DeepSeek 與阿里巴巴的 Qwen 等模型，其商業模式在某種程度上是可持續的，因為它們在模型優化上表現優異，甚至能實現在單一 GPU 上運行。這引發了關於「護城河」的辯論：當算力不再是唯一答案，模型優化與市場領先地位將成為企業生存的關鍵。
隱私與安全問題則是討論中最具爭議的部分。許多用戶對 DeepSeek 的隱私政策表示疑慮，特別是條款中提到的「具備法律權利的第三方」等模糊字眼，令人聯想到中國的國家情報法。部分網友擔心與中國服務分享數據可能導致未來出入境風險，或數據被用於損害自身利益。但另一派觀點則相對淡然，認為對於開發者而言，分享程式碼片段的風險較低，甚至有人諷刺地表示，相比於本國情報機構的監控，遠在海外的政府對個人威脅反而較小。針對隱私疑慮，社群給出的具體建議是利用這些模型「權重開放」的特性，選擇在本地部署或透過其他隱私政策更透明的第三方供應商來調用模型。
最後，社群也觀察到 AI 市場供需關係的弔詭現象。一方面業界聲稱算力嚴重不足，急需擴建數據中心；另一方面實驗室卻又必須透過補貼來刺激需求。這反映出當前 AI 定價可能普遍存在不可持續性，多數公司仍依賴指數級增長的預期來支撐目前的虧損經營。
相關文章
其他收藏 · 0
