DeepSeek-Preisstrategie: Warum Liang Wenfeng Effizienz vor Gewinnmaximierung priorisiert

Einleitung

DeepSeek-Gründer Liang Wenfeng hat kürzlich eine der bislang klarsten Erläuterungen zu den Überlegungen des Unternehmens in Bezug auf Preisgestaltung, Kosteneffizienz, Open-Source-Modelle und Kommerzialisierung gegeben.

Bei einer Berichten zufolge vierstündigen Investorenkonferenz erklärte Liang Wenfeng, dass die Preisgestaltung von DeepSeek nicht auf Umsatzmaximierung abziele. Vielmehr verfolge das Unternehmen das Ziel, eine von ihm als angemessenen Gewinn bezeichnete Marge zu erzielen und gleichzeitig die Modellpreise so niedrig zu halten, dass sie breit genutzt werden können.

Das deutlichste Beispiel ist DeepSeek-V4-Pro. Das Modell wurde zunächst relativ hoch bepreist, da das Unternehmen mit einer Nachfrage rechnete, die seine verfügbare High-End-Rechenkapazität übersteigen würde. DeepSeek senkte den Preis später auf ein Viertel des ursprünglichen Preises und damit dauerhaft um 75%.

Liang Wenfengs Ansatz geht über traditionelle Preisaktionen hinaus. Er betrachtet niedrige Kosten als Ergebnis architektonischer und technischer Effizienz – sowie als notwendige Voraussetzung für die Forschung an Spitzenmodellen unter begrenzten Rechenressourcen.

Die im Internet kursierenden Konferenznotizen wurden auf der Grundlage begrenzter Materialien zusammengestellt und sind keine offiziellen Wortprotokolle von DeepSeek. Daher können einige Formulierungen von der tatsächlichen Rede abweichen. Die in diesem Artikel genannten aktuellen Modellnamen, Funktionen und API-Preise wurden mit den offiziellen DeepSeek-Dokumenten abgeglichen.

DeepSeek strebt angemessenen Gewinn an, nicht Umsatzmaximierung

Der Kern von Liang Wenfengs Ausführungen zur Preisgestaltung ist Zurückhaltung.

Die meisten Technologieunternehmen sind darauf ausgerichtet, Umsätze zu steigern, Marktanteile auszubauen, Vertriebsorganisationen aufzubauen und aus erfolgreichen Produkten den größtmöglichen Wert zu ziehen. DeepSeeks erklärte Ziele sind bescheidener.

Liang Wenfeng soll gesagt haben:

"Wir erzielen nur einen angemessenen Gewinn."

Diese Aussage bedeutet nicht, dass DeepSeek sich kommerziellen Aktivitäten verweigert. Das Unternehmen verlangt Gebühren für die API-Nutzung, betreibt Konsumprodukte, bedient Entwickler und erweitert kontinuierlich den Zugang zu seinen Modellen.

Der Unterschied liegt zwischen kommerziellem Betrieb und kommerzieller Maximierung.

DeepSeek scheint bereit zu sein, Einnahmen zu erzielen, die ausreichen, um den Betrieb des Dienstes und die Entwicklung zu finanzieren, möchte aber derzeit nicht, dass Preisentscheidungen von dem Ziel dominiert werden, jedem Nutzer den höchstmöglichen Gewinn abzupressen.

Dieses Konzept spiegelt das übergeordnete Interesse des Unternehmens an allgemeiner künstlicher Intelligenz wider. Liang Wenfeng beschreibt Produkte und Dienstleistungen als Schritte auf dem Weg zu leistungsfähigeren Systemen, nicht als das Endziel des Unternehmens.

DeepSeek-V4-Pro-Preis auf ein Viertel des ursprünglichen Preises gesenkt

DeepSeek-V4-Pro liefert ein konkretes Beispiel für diesen Ansatz.

Bei der Einführung des Modells lag die API-Preisgestaltung deutlich über der des leichteren V4-Flash-Modells. DeepSeek führte dies auf die begrenzte Verfügbarkeit von High-End-Rechenkapazität zurück und erwartete, dass die Preise mit zunehmender Infrastruktur sinken würden.

Im Mai 2026 senkte das Unternehmen den Preis dauerhaft um 75%.

Berichten zufolge sank der Preis in Renminbi von etwa 0,1 bis 24 Yuan pro Million Token auf 0,025 bis 6 Yuan pro Million Token, je nachdem, ob es sich um zwischengespeicherte Eingaben, nicht zwischengespeicherte Eingaben oder Ausgaben handelte.

Liang Wenfeng soll erklärt haben, dass V4-Pro ursprünglich höher bepreist war, weil DeepSeek eine zu hohe Nachfrage befürchtete. Sobald die Voraussetzungen für eine Preissenkung gegeben waren, senkte das Unternehmen den Preis direkt auf ein Viertel.

Laut Konferenznotizen feierten die Mitarbeiter diese Preissenkung, da das Modell von Anfang an dafür konzipiert war, von möglichst vielen Menschen umfassend genutzt zu werden.

Diese Darstellung ist ungewöhnlich. Normalerweise werden Preissenkungen als Mittel zur Kundengewinnung, Wettbewerbspositionierung oder Marktanteilssteigerung beschrieben. Liang Wenfeng hingegen präsentiert sie als perfektere Übereinstimmung zwischen dem Zweck des Modells und seiner Zugänglichkeit.

Aktuelle DeepSeek-API-Preise

Die offiziellen DeepSeek-API-Dokumente listen derzeit zwei Haupt-V4-Endpunkte auf:

Laut aktueller Dokumentation unterstützen beide Modelle Denk- und Nicht-Denk-Modi, JSON-Ausgabe, Tool-Aufrufe, Dialog-Präfix-Vervollständigung und eine Kontextlänge von maximal 1 Million Token.

Bei den aufgeführten Gleichzeitigkeitsbeschränkungen liegt V4-Flash höher als V4-Pro:

• V4-Flash: 2.500
• V4-Pro: 500

DeepSeek weist zudem darauf hin, dass sich die Preise ändern können und empfiehlt, vor der Schätzung der Produktionskosten die offizielle Preisseite zu konsultieren.

Die alten Modellnamen deepseek-chat und deepseek-reasoner sollen am
24. Juli 2026 eingestellt werden. Derzeit sind sie aus Kompatibilitätsgründen auf die Nicht-Denk- und Denk-Modi von deepseek-v4-flash abgebildet.

Warum DeepSeek anfangs höhere Preise verlangte

Ein hoher Einführungspreis bedeutet nicht immer, dass das Unternehmen den Wert des Produkts als dauerhaft erhöht ansieht.

Er kann auch ein Mechanismus zur Kapazitätssteuerung sein.

Wenn die Nachfrage das verfügbare Angebot an Inferenzrechenleistung übersteigt, haben Dienstanbieter mehrere Optionen:

1. Eine Warteliste erstellen.
2. Strenge Ratenbegrenzungen einführen.
3. Den Zugang auf bestimmte Kunden beschränken.
4. Die verfügbaren Funktionen des Modells reduzieren.
5. Die Nachfrage durch höhere Preise dämpfen.
6. Die Infrastruktur erweitern und später die Preise senken.

DeepSeek scheint eine Kombination aus Preis- und Kapazitätsbeschränkungsstrategien anzuwenden.

V4-Pro benötigt knappere High-End-Rechenressourcen, daher verringerte der höhere Anfangspreis die Wahrscheinlichkeit, dass die Nachfrage den Dienst überlastet. Als mehr Kapazität und Effizienzsteigerungen verfügbar wurden, konnte das Unternehmen das Modell breiter anbieten.

Dies unterscheidet sich grundlegend von einer Preisgestaltung, die darauf abzielt, den Höchstpreis zu erzielen, den Kunden zu zahlen bereit sind.

Ersteres betrachtet den Preis als temporäres Instrument zur Ressourcenallokation, letzteres als Mittel zur Erzielung des maximalen wahrgenommenen Werts.

Liang Wenfengs Aussagen deuten darauf hin, dass DeepSeek dazu neigt, die Preise zu senken, sobald die Kapazitätsbeschränkungen aufgehoben sind.

Niedrige Kosten sind ein architektonisches Ergebnis, keine reine Geschäftsstrategie

Liang Wenfeng soll betont haben, dass die niedrigen Kosten von DeepSeek keine reine Geschäftsstrategie seien.

Sie seien das Ergebnis von Modellarchitektur, Systemtechnik und hardwarebewusster Optimierung.

DeepSeek habe sich stets auf technische Methoden konzentriert, um die effektive Modellleistung innerhalb eines begrenzten Rechenbudgets zu steigern.

Beispiele aus der Forschung sind:

• Mixed-Expert-Architektur (aktiviert nur einen Teil der Modellparameter pro Token)
• Multi-Head Latent Attention (reduziert den Bedarf an Key-Value-Caches)
• Training mit niedriger Präzision
• Effiziente Kommunikationstrainingssysteme
• Hardwarebewusstes Co-Design
• Kontext-Caching
• Sparsames Rechnen
• Optimierte Inferenz und Bereitstellung

DeepSeek-V2 beispielsweise hatte insgesamt 236 Milliarden Parameter, aktivierte aber nur 21 Milliarden Parameter pro Token. Das Forschungspapier zeigt, dass das Modell im Vergleich zum früheren DeepSeek 67B-System geringere Trainingskosten, einen deutlich kleineren KV-Cache und einen höheren Generierungsdurchsatz aufwies.

DeepSeek-V3 erweiterte die Gesamtparameter auf 671 Milliarden, mit 37 Milliarden aktivierten Parametern pro Token. Das Unternehmen berichtete, dass das Training mit 14,8 Billionen Tokens durchgeführt wurde, während die API-Preise niedriger blieben als bei den meisten Spitzenmodell-Diensten.

DeepSeek-V4 setzt diese Strategie fort, unterstützt ein Kontextfenster von einer Million Tokens und bietet separate Flash- und Pro-Modelle an.

Diese Systeme machen Rechnen nicht kostenlos. Große Modelle erfordern weiterhin teure Chips, Netzwerke, Strom, Technik, Speicher und Rechenzentrumsinfrastruktur.

Der entscheidende Punkt ist, dass die Architektur die Modellleistung pro Recheneinheit verändern kann.

Kosteneffizienz hilft DeepSeek beim Trainieren größerer Modelle

Liangs tiefergehendes Argument betrifft die Forschungskapazität.

Unternehmen mit unbegrenzten Rechenressourcen können Modelle optimieren, indem sie mehr Chips hinzufügen, Cluster erweitern und die Anzahl der Trainingsrunden erhöhen.

DeepSeeks Betriebsbedingungen unterscheiden sich von denen der größten US-Tech-Unternehmen. Exportbeschränkungen, Chipverfügbarkeit, Kapitalbedarf und Infrastrukturbeschränkungen beeinflussen die Trainingskapazität.

In diesem Umfeld hat die Senkung der Kosten pro Recheneinheit einen doppelten Effekt.

Senkung der Nutzerkosten

Höhere Inferenzeffizienz ermöglicht es DeepSeek, mehr Anfragen mit derselben Infrastruktur zu verarbeiten, was die API-Preise senkt und die Reichweite des Dienstes vergrößert.

Erweiterung der trainierbaren Modellgröße

Wenn das Trainingssystem Rechenressourcen effizienter nutzt, kann das Unternehmen innerhalb eines festen Hardwarebudgets größere oder fortschrittlichere Modelle trainieren.

Liang soll diesen Unterschied wie folgt zusammengefasst haben: Große Unternehmen lösen Probleme durch die Erhöhung von Ressourcen, während DeepSeek die Kosteneffizienz priorisiert.

Dies ist der Grund, warum niedrige Preise und Spitzenforschung in DeepSeeks Strategie eng miteinander verbunden sind. Die technischen Optimierungen, die die Inferenzkosten senken, können auch dazu beitragen, mit begrenzten Trainingsressourcen größere Fortschritte zu erzielen.

Kosten vor Zeit und Nutzererfahrung

In den vollständigeren Konferenznotizen soll Liang drei Schlüsselelemente für den Wettbewerb bei Spitzenmodellen genannt haben:

1. Kosten
2. Zeit
3. Nutzererfahrung

Die Kosten stehen an erster Stelle.

Wenn zwei Unternehmen Modelle mit vergleichbarer Qualität anbieten, hat dasjenige mit niedrigeren Kosten einen strukturellen Vorteil. Es kann niedrigere Preise verlangen, mehr Nutzer unterstützen, mehr interne Experimente durchführen oder die Kosteneinsparungen in die nächste Trainingsrunde investieren.

Zeit spielt eine entscheidende Rolle, da ein Vorsprung von mehreren Monaten in einem sich schnell verändernden Markt von großer Bedeutung ist. Modelle, Hardware, KI-Agenten-Frameworks und Kundenerwartungen ändern sich ständig.

Die Benutzererfahrung kann Loyalität schaffen, aber Berichten zufolge hat Liang Wenfeng sie nicht als den grundlegendsten technologischen Schutzgraben beschrieben.

Diese Priorisierung hilft zu erklären, warum DeepSeek stark in Architektur und Infrastruktur investiert, während Vertriebs- und Produktteams vergleichsweise schlank gehalten werden.

DeepSeek betreibt das API-Geschäft mit einem kleinen Team

Berichten zufolge sagte Liang Wenfeng, dass er das API-Geschäft selbst nicht für besonders attraktiv halte.

Diese Aussage mag überraschend klingen, da API-Einnahmen eines der Hauptgeschäftsmodelle der Anbieter von Spitzenmodellen sind.

Aus betrieblicher Sicht wird die Haltung von DeepSeek besser verständlich.

Laut dem Treffenprotokoll:

• Ein kleines Team kann den Dienst aufrechterhalten.
• Der Kundensupport des Unternehmens ist sehr begrenzt.
• Es wird kein großes Vertriebsteam benötigt.
• Nutzer entdecken und integrieren die Modelle selbst.
• Die Produktanforderungen werden durch Modellfähigkeiten und Preis bestimmt.

Dies ist ein produktorientiertes Vertriebsmodell.

Anstatt ein großes Unternehmensvertriebsteam für Vertragsverhandlungen einzustellen, veröffentlicht DeepSeek Modelle, bietet kompatible APIs, stellt öffentliche Dokumentationen bereit und ermöglicht Entwicklern, den Dienst direkt zu nutzen.

Dieser Ansatz hält die Betriebskosten niedrig, hat aber auch seinen Preis.

Große Organisationen benötigen in der Regel:

• Beschaffungssupport
• Sicherheitsdokumentationen
• Service-Level-Agreements (SLAs)
• Account-Management
• Migrationsunterstützung
• Compliance-Prüfungen
• Dedizierte Kapazitäten
• Vorfallmanagement-Support
• Integrationsberatung

Eine schlanke Geschäftsorganisation mag für Self-Service-Entwickler und technisch versierte Teams geeignet sein, aber für Unternehmen, die umfassenden Support und vertragliche Zusicherungen erwarten, ist sie möglicherweise weniger geeignet.

"Wir kommerzialisieren, aber Kommerzialisierung ist nicht das Ziel"

Berichten zufolge sagte Liang Wenfeng, dass DeepSeek stets kommerzialisiert habe, die Kommerzialisierung jedoch nicht als Selbstzweck betrachte.

Das bedeutet nicht, dass das Unternehmen kein Geschäftsmodell hätte.

DeepSeek verfügt derzeit über mehrere Mechanismen, die Einnahmen oder strategischen Wert generieren können:

• Bezahlter API-Zugang
• Verbraucheranwendungen
• Entwicklerakzeptanz
• Unternehmensnutzung
• Wachstum des Modell-Ökosystems
• Verteilung von Open-Source-Gewichten
• Technologielizenzen oder Partnerschaften
• Infrastruktur-Kooperationen
• Talentgewinnung
• Potenzielle zukünftige Produkte

Diese Aussage sollte vielmehr als Priorisierung verstanden werden.

Das primäre Ziel von DeepSeek ist die Verbesserung der Modellfähigkeiten und das Streben nach Künstlicher Allgemeiner Intelligenz (AGI). Kommerzielle Aktivitäten dienen diesem Bestreben, aber das Unternehmen möchte nicht, dass kurzfristige Umsatzziele die Forschungsrichtung in jede beliebte Produktkategorie lenken.

Berichten zufolge sagte Liang Wenfeng, dass der Zeitpunkt für eine umfassende Kommerzialisierung von DeepSeek noch in weiter Ferne liege.

Diese Haltung mag bei ausreichender Finanzierung, geduldigen Investoren oder anderen finanziellen Unterstützungsquellen leichter aufrechtzuerhalten sein. Mit wachsendem Rechenleistungsbedarf müssen jedoch auch forschungsorientierte Labore mit Infrastrukturkosten, Mitarbeiterbindung und langfristigem Betrieb umgehen.

Niedrige Preise können eine Wettbewerbswaffe sein, auch ohne Gewinnmaximierung

DeepSeek mag seine Preisgestaltung zwar nicht als Kampf um Marktanteile bezeichnen, aber niedrige Preise wirken sich dennoch auf Wettbewerber aus.

Ein Anbieter, der Modelle mit wettbewerbsfähiger Qualität zu einem Preis anbietet, der nur einen Bruchteil der üblichen API-Kosten des Marktes beträgt, zwingt den Markt zu reagieren.

Wettbewerber müssen möglicherweise:

• Preise senken
• Kleinere Modelle einführen
• Caching-Mechanismen optimieren
• Mengenrabatte anbieten
• Inferenzeffizienz optimieren
• Günstigere Routing-Ebenen schaffen
• Modelle mit Cloud-Diensten bündeln
• Hohe Aufschläge durch Tools, Zuverlässigkeit oder Support rechtfertigen

Das Endergebnis ist eine allgemeine Senkung der KI-Einsatzkosten.
Diese Veränderung kommt Entwicklern, Startups, Forschungseinrichtungen und Unternehmen zugute, die sich die Nutzung großer Modelle zuvor nicht leisten konnten.
Gleichzeitig setzt sie Modellanbieter unter Druck, die auf hohe Bruttomargen angewiesen sind.
Daher hat die Preisstrategie von DeepSeek selbst dann geschäftliche Auswirkungen, wenn das Unternehmen angibt, dass sein Ziel nicht die Gewinnmaximierung sei.

Open-Source-Modelle sind Teil derselben Strategie

Liang Wenfengs Äußerungen zur Preisgestaltung stehen in engem Zusammenhang mit der Unterstützung von DeepSeek für die Veröffentlichung von Open-Source-Modellen.
Berichten zufolge beschrieb er Open Source als den Verzicht auf einige potenzielle Vorteile des Unternehmens.
Die Veröffentlichung von Modellgewichten ermöglicht:

• Forschern das Studium der Modellarchitektur
• Entwicklern den privaten Betrieb von Modellen
• Unternehmen die Feinabstimmung oder Anpassung
• Infrastrukturanbietern die Optimierung der Bereitstellung
• Wettbewerbern das Lernen aus den Ergebnissen
• Dem breiteren Ökosystem das Aufbauen ohne Nutzung der gehosteten DeepSeek-API

Aus einer engen kommerziellen Perspektive könnte dies den API-Lock-in-Effekt schwächen.
Aus Sicht von DeepSeek bringen Open-Source-Modelle jedoch auch:

• Technologischen Einfluss
• Entwicklerakzeptanz
• Forschungs-Feedback
• Rekrutierungswert
• Organisatorischen Stolz
• Schnellere Ökosystem-Innovation
• Eine stärkere Position im globalen KI-Dialog

Berichten zufolge sagte Liang Wenfeng, dass DeepSeek kein absichtlich abgeschwächtes Modell veröffentlichen und gleichzeitig eine wesentlich stärkere Version zurückhalten werde.
Diese Behauptung muss bei jeder Veröffentlichung konkret bewertet werden, spiegelt aber die öffentliche Position des Unternehmens wider: Offener Zugang ist nicht nur eine Marketing-Probe, sondern ein substanzieller Teil der Forschungsstrategie.

"Angemessene Gewinne" bedeuten nicht viel

Der Begriff "angemessene Gewinne" klingt einprägsam, ist aber kein präziser finanzieller Indikator.
DeepSeek hat nicht öffentlich definiert:

• Ziel-Bruttomarge
• Ziel-Betriebsgewinnmarge
• Erforderliche Rendite auf die Infrastruktur
• Wie Forschungskosten auf die API-Preisgestaltung umgelegt werden
• Ob Verbraucherprodukte subventioniert werden
• Wie sich die Preisgestaltung mit der Chipverfügbarkeit ändert
• Wie viel Rechenleistung intern zurückgehalten wird
• Ob zukünftige Unternehmensdienste unterschiedliche Gewinnmargen haben werden

Daher sollte diese Aussage als Absichtserklärung und nicht als öffentliche Preisformel verstanden werden.
Sie garantiert auch nicht, dass die Preise niemals steigen werden.
Die offiziellen Dokumente von DeepSeek weisen darauf hin, dass sich die Produktpreise ändern können. Rechenleistungsbeschränkungen, Hardwarekosten, Nachfrage, Modellgröße und Serviceanforderungen können die zukünftige Preisgestaltung beeinflussen.
Ein Unternehmen kann die Gewinnmaximierung ablehnen und dennoch die Preise erhöhen, wenn die Servicekosten steigen.

Der Unterschied zwischen billigen Tokens und geringen Gesamtkosten

Der API-Preis pro Million Tokens ist leicht vergleichbar, spiegelt aber nicht die Gesamtkosten der Nutzung eines Modells wider.
Eine produktionsreife Anwendung sollte auch die folgenden Aspekte berücksichtigen:

Kennzahlen:

• Anzahl der Tokens, die das Modell zur Aufgabe benötigt.
• Ob Wiederholungen erforderlich sind.
• Qualität der Tool-Aufrufe.
• Latenz.
• Cache-Trefferquote.
• Kontextlänge.
• Ausgabelänge.
• Fehlerrate.
• Zeit für manuelle Überprüfung.
• Zuverlässigkeit unter Last.
• Kosten für den Modellwechsel.
• Wert von Support und Servicegarantien.

Ein Modell mit niedrigeren Token-Stückkosten kann, wenn es ausführliche Antworten gibt, häufig fehlschlägt oder umfangreiche Korrekturen erfordert, insgesamt teurer sein.

Ein teureres Modell, das ein Problem auf Anhieb löst, könnte wirtschaftlicher sein.

Daher sollten die Kostenvorteile von DeepSeek auf der Ebene des gesamten Workflows getestet werden und nicht nur anhand der veröffentlichten Token-Preise.

Was Entwickler vor der Wahl der DeepSeek-API prüfen sollten

Modellabstimmung

Vergleichen Sie V4-Flash und V4-Pro basierend auf den tatsächlichen Aufgaben. Für Hochdurchsatz-Workflows kann Flash ausreichend sein, während für komplexe Codierungs-, Inferenz- oder Agentenaufgaben Pro möglicherweise besser geeignet ist.

Cache-Verhalten

Gecachte Eingaben sind wesentlich billiger als ungecachte. Für Anwendungen mit wiederholten System-Prompts, gemeinsamen Dokumenten oder stabilem Kontext kann Caching erhebliche Kostenvorteile bringen.

Ausgabelänge

Die Ausgabegebühren beider Modelle sind höher als die Eingabegebühren. Unnötig lange Inferenzpfade oder wortreiche Antworten dominieren die Rechnung.

Nebenläufigkeit

Die in der Dokumentation festgehaltenen Nebenläufigkeitsbeschränkungen unterscheiden sich zwischen Flash und Pro. Produkte mit hohem Durchsatz sollten die Kapazitätsanforderungen frühzeitig testen.

Modellname

Entwickler, die noch deepseek-chat oder deepseek-reasoner verwenden, sollten zu den V4-Modellkennungen migrieren, da die alten Namen zur Einstellung vorgesehen sind.

Anbieterrisiko

DeepSeek behält sich das Recht vor, die Preise zu ändern. Produktionssysteme sollten wirtschaftliche Annahmen vermeiden, die hart auf einen festen Preis codiert sind.

Support-Anforderungen

Für einzelne Entwickler mag der Self-Service-API-Zugang ausreichen. Unternehmen sollten vor der Standardisierung auf einen Anbieter ihre Sicherheits-, Compliance-, Service- und Support-Erwartungen überprüfen.

Strategische Vorteile der DeepSeek-Strategie

Das Preismodell von DeepSeek schafft mehrere potenzielle Vorteile.

Breitere Akzeptanz

Niedrige Preise senken die Experimentierkosten und ermöglichen auch kleineren Teams die Nutzung dieser Modelle.

Mehr Nutzungsdaten und Feedback

Eine größere Nutzerbasis generiert mehr Informationen über Fehlerfälle, beliebte Workflows, Infrastruktur-Engpässe und Entwicklerbedürfnisse.

Druck in Richtung effizientes Engineering

Wenn ein Unternehmen nicht auf hohe Gewinne angewiesen ist, entsteht ein starker Anreiz, die Architektur und Serviceeffizienz zu verbessern.

Stärkeres offenes Ökosystem

Erschwingliche gehostete APIs und herunterladbare Gewichte ergänzen sich. Entwickler können mit der API beginnen und später zu privaten Bereitstellungen übergehen.

Talent- und Forschungsreputation

Labore, die sich auf Spitzenforschung, offene Veröffentlichungen und langfristige technologische Ziele konzentrieren, ziehen eher Ingenieure an.

Risiken und Abwägungen

Dieselbe Strategie bringt auch Herausforderungen mit sich.

Infrastrukturbedarf

Die durch extrem niedrige Preise erzeugte Nachfrage könnte das Wachstum der Kapazitäten übersteigen.

Begrenzte Unternehmensunterstützung

Kleinere Vertriebs- und Supportteams könnten die Einführung in stark regulierten Organisationen oder solchen mit aufwändigen Beschaffungsprozessen verlangsamen.

Nachhaltigkeit

Die Trainingskosten für Spitzenmodelle steigen weiter an. Angemessene Gewinne müssen den Betrieb der Dienste decken und künftige Forschung unterstützen.

Preiserwartungen

Wenn Entwickler sich erst einmal an extrem niedrige Preise gewöhnt haben, könnten künftige Preiserhöhungen auf Widerstand stoßen.

Wettbewerbsreaktion

Große Cloud-Anbieter und Modellanbieter können günstige Einstufentarife subventionieren, Modelle mit Infrastruktur bündeln oder durch Skaleneffekte Preise drücken.

Geschäftlicher Fokus

Die Vermeidung von Nebenprodukten hilft zwar, den Forschungsfokus zu wahren, könnte aber wertvolle Märkte an die Konkurrenz abtreten.

Häufige Fragen

Was denkt Liang Wenfeng über die Preisstrategie von DeepSeek?

Berichten zufolge erklärte Liang Wenfeng, dass DeepSeek darauf abzielt, angemessene Gewinne zu erzielen, nicht die Umsatzmaximierung. Er verknüpfte die Niedrigpreisstrategie mit dem Ziel des Unternehmens, leistungsstarke Modelle breit verfügbar zu machen und die Kosteneffizienz zu steigern.

Hat DeepSeek den Preis für ein Modell um 75 % gesenkt?

Ja. DeepSeek hat den Preis für V4-Pro dauerhaft um 75 % auf ein Viertel des ursprünglichen Preises gesenkt. Die genauen Kosten hängen von der Nutzung von Cache-Eingaben, Nicht-Cache-Eingaben und Ausgaben ab.

Warum war DeepSeek-V4-Pro bei seiner Einführung teuer?

DeepSeek gab an, dass die Ressourcen für Hochleistungsrechenleistung damals begrenzt waren. Der höhere Einstiegspreis half, die Nachfrage zu kontrollieren, bis mehr Rechenleistung und höhere Effizienz verfügbar waren.

Wie hoch sind derzeit die API-Preise für DeepSeek-V4?

Laut offizieller DeepSeek-Dokumentation kostet V4-Flash 0,0028 USD pro Million Cache-Eingabe-Token, 0,14 USD für Nicht-Cache-Eingabe-Token und 0,28 USD für Ausgabe-Token. V4-Pro kostet entsprechend 0,003625 USD, 0,435 USD und 0,87 USD.

Lehnt DeepSeek die Kommerzialisierung ab?

Nein. Laut Berichten erklärte Liang Wenfeng, dass das Unternehmen stets die kommerzielle Bereitstellung anstrebe, die Kommerzialisierung jedoch nicht das Endziel sei. Die Priorität liege weiterhin auf der Modellforschung und der langfristigen Verfolgung der allgemeinen künstlichen Intelligenz (AGI).

Wie bietet DeepSeek niedrige API-Preise an?

DeepSeek führt seine Kostenvorteile auf die Modellarchitektur, spärliche Berechnung, Caching-Technologie, Training mit niedriger Präzision, Infrastrukturoptimierung und ein schlankes Betriebsmodell zurück. Auch die Verfügbarkeit von Hardware und Rechenkapazität beeinflussen die Preisgestaltung.

Bietet DeepSeek Unternehmensvertrieb und Support an?

DeepSeek bietet Dokumentation, APIs, Nutzungslimits und Skalierungsanfragen, aber Liang Wenfeng erklärte, dass das Betriebsteam des Unternehmens klein und die traditionelle Vertriebs- und Kundenunterstützungsinfrastruktur begrenzt sei. Unternehmen sollten prüfen, ob der vorhandene Support ihren eigenen Anforderungen genügt.

Bleiben die DeepSeek-API-Preise stabil?

Nicht unbedingt. Die offizielle Preisseite von DeepSeek erklärt, dass sich die Preise ändern können und das Unternehmen sich das Recht auf Anpassung vorbehält. Entwickler sollten bei der Kostenschätzung die neuesten Unterlagen einsehen.

Verwandte Tools

• DeepSeek Chat: Offizielle Weboberfläche von DeepSeek zur Interaktion mit dem aktuellen Modell.
• DeepSeek API-Plattform: Offizielle Plattform zum Abrufen von API-Schlüsseln, zur Verwaltung von Nutzung, Abrechnung und Modellzugriff.
• DeepSeek API-Dokumentation: Offizielle Integrationsanleitung, Modellinformationen, Preise, Einschränkungen und Änderungsprotokolle.
• DeepSeek GitHub

Offizielles Repository für Modellforschung, Inferenzkomponenten, Trainingssysteme und Open-Source-Projekte.

• DeepSeek auf Hugging Face: Offizielle Open-Source-Gewichtsmodellveröffentlichungen, Modellkarten und herunterladbare Checkpoints.
• DeepSeek-V4-Sammlung: Offizielle V4-Modellsammlung mit Flash, Pro, Basis- und Bereitstellungsvarianten.

Verwandte Links

• DeepSeek-Modelle und Preise: Aktuelle offizielle API-Preise, Kontextlimits, Funktionen und Modellnamen.
• DeepSeek V4-Vorschauveröffentlichung: Offizielle Informationen zu V4-Pro, V4-Flash, Kontextlänge und API-Zugriff.
• DeepSeek API-Änderungsprotokoll: Offizielle Updates zu Modellen, Kompatibilitätsnamen, Funktionen und Verfügbarkeit.
• DeepSeek-V4 Hugging Face-Sammlung: Offizielle Modellgewichte und zugehörige Veröffentlichungen.
• DeepSeek-V3-Veröffentlichung: Offizielle Architektur von V3 und historische API-Preisinformationen.
• DeepSeek-V2-Forschungspapier: Technische Details zu DeepSeekMoE, Multi-Head Latent Attention, Trainingseffizienz und Inferenzverbesserungen.
• Öffentliche Zusammenstellung von Liang Wenfengs Reden auf Investorentreffen: Von Dritten zusammengestelltes Material, einige Formulierungen können von den Originalreden abweichen.

Zusammenfassung

Liang Wenfengs öffentliche Aussagen zur Preisgestaltung deuten darauf hin, dass DeepSeek Kosteneffizienz als technisches und strategisches Ziel betrachtet, nicht nur als Mittel zur Kundengewinnung.

Das Unternehmen setzte zunächst einen hohen Preis für V4-Pro fest, um die Nachfrage bei begrenzten Hochleistungsrechenressourcen zu steuern, und senkte ihn später um 75 %, als umfassendere Dienste verfügbar waren. Derzeit bleiben die offiziellen API-Preise für V4-Flash und V4-Pro niedrig.

DeepSeek kommerzialisiert seine Technologie, aber Liang Wenfeng beschreibt die Umsatzmaximierung nicht als Endziel des Unternehmens. Das Modell kombiniert Selbstverteilung, kleine Betriebsteams, Open-Source-Gewichtsveröffentlichungen, Optimierungen der Architektureffizienz und eine langfristige Fokussierung auf die AGI-Forschung.

Die zentrale Preissetzungslogik von DeepSeek lautet: Ein Unternehmen, das leistungsstarke Modelle auf dem effizientesten Weg entwickeln kann, muss nicht den Höchstpreis pro Aufruf verlangen, um Zugang zu erweitern, global zu konkurrieren und zukünftige Entwicklungen zu finanzieren.