DeepSeek降本秘诀曝光：2招极致压榨推理部署，算力全留给内部

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

DeepSeek R1横空出世第128天，已经把整个大模型市场搅得天翻地覆！

首先，它以一己之力把推理模型的价格打下来，OpenAI六月更新的o3价格相比o1直接打了2折。

其次，第三方平台托管的DeepSeek模型使用量疯狂增长，比刚发布时涨了将近20倍，成就了大批云计算厂商。

然而，DeepSeek自家的网站和API市场份额却不断下降，跟不上AI产品上半年持续增长的节奏了。

以上数据来自SemiAnalysis发布的一篇报告，详尽解读了DeepSeek对AI模型竞赛的影响以及AI市场份额的现状。

揭开DeepSeek的降本秘诀

DeepSeek刚发布时确实火得一塌糊涂，但四个多月过去了，情况却有点微妙。

从数据来看，DeepSeek自家网站和API的流量不升反降，市场份额也在持续下滑。

到了5月，全网DeepSeek模型产生的token中，来自DeepSeek本家的份额已经只占16%了。

网页版聊天机器人流量也大幅下降，而同期其他主要大模型网页版流量都在飙升。

DeepSeek V3与R1模型都经过版本更新，能力与1月相比更强了，价格又便宜，怎么用户反而跑了呢？

这种“墙内开花墙外香”的现象，背后其实大有文章。

SemiAnalysis指出，DeepSeek为了把成本压到极致，在服务质量上还是做了大量妥协。

用户在DeepSeek官方平台上使用模型，经常要等上好几秒才能看到第一个字蹦出来，可以用首token延迟（First token latency）这个指标来衡量。

相比之下，其他平台虽然普遍价格更贵，但响应速度快得多，有些甚至能做到几乎零延迟。

在Parasail或Friendli等平台，只需支付3-4美元就可以获得几乎没有延迟的100万token额度。

如果想选择更大更稳定的服务商，微软Azure平台价格是DeepSeek官方的2.5倍，但延迟减少了整整25秒。

从另一个角度看，DeepSeek官方甚至不是同等延迟下价格最低的一家DeepSeek模型服务商。

如果在这张图上用气泡大小表示上下文窗口，可以看出DeepSeek在价格与性能之间的另一个权衡。

在有限的推理计算资源下，只提供64k上下文窗口的服务，在主流模型提供商中算是最小的之一。

在需要读取整个代码库的编程场景里，64K根本不够用，用户只能选择第三方平台。

而同样价格下，Lambda和Nebius等平台能提供2.5倍以上的上下文窗口。

DeepSeek还把很多用户的请求打包在一起处理，虽然每个token的成本降下来了，但每个用户等待的时间也增加了。

大模型下半场：提升每个token的智能

需要明确的是，这些降本策略都是DeepSeek主动做出的决定。

他们目前看上去对用户体验不怎么感兴趣，既无意从用户身上赚钱，也无意通过聊天应用或API服务向用户提供大量token，更多地是专注于实现AGI。

从这些优化策略就可以看出，DeepSeek把尽可能少的算力用作推理服务给外部使用，大量的算力资源留在内部研发用途。

同时配合开源策略，让其他云服务托管他们的模型，赢得影响力和培养生态，两不耽误。

说到底，AI竞赛拼的还是算力资源。

在DeepSeek影响下，Claude也开始降低速度缓解算力紧张的问题，但为了营收还是在努力平衡用户体验。

Claude 4 Sonnet发布以来，输出速度已经下降了40%，但仍然比DeepSeek快不少。

另外Claude模型被设计成生成更简洁的回复，回答同样的问题，DeepSeek和Gemini可能要多花3倍的token。

种种迹象表明，大模型供应商正在多维度地改进模型。

不仅仅是提高模型的智能上限，而是提升每个token能提供的智能。

参考链接：
[1]https://semianalysis.com/2025/07/03/deepseek-debrief-128-days-later/