Ценовая стратегия DeepSeek: Почему Лян Вэньфэн ставит эффективность выше максимизации прибыли

Введение

Основатель DeepSeek Лян Вэньфэн недавно дал одно из самых чётких на сегодняшний день объяснений того, как компания подходит к ценообразованию, эффективности затрат, открытым моделям и коммерциализации.

На инвесторской встрече, которая, как сообщается, длилась четыре часа, Лян заявил, что ценообразование DeepSeek не направлено на максимизацию доходов. Вместо этого компания стремится получить то, что он называет разумной прибылью, сохраняя при этом цены на модели достаточно низкими для широкого использования.

Наиболее яркий пример — DeepSeek-V4-Pro. Изначально модель была оценена относительно высоко, поскольку компания ожидала, что спрос превысит её доступные высокопроизводительные вычислительные мощности. Позже DeepSeek снизил цену до четверти от первоначальной и навсегда уменьшил её на 75%.

Взгляд Ляна выходит за рамки традиционных ценовых акций. Он рассматривает низкую стоимость как результат архитектурной и инженерной эффективности — и как необходимое условие для проведения исследований前沿ных моделей в условиях ограниченных вычислительных ресурсов.

Распространяемые в интернете комментарии с встречи составлены на основе ограниченных материалов и не являются официальной стенограммой, опубликованной DeepSeek. Поэтому некоторые формулировки могут отличаться от сказанного на месте. Названия текущих моделей, их характеристики и цены API в данной статье сверены с официальной документацией DeepSeek.

DeepSeek стремится к разумной прибыли, а не к максимизации доходов

Ключевая идея комментариев Ляна по ценообразованию — сдержанность.

От большинства технологических компаний ожидают увеличения доходов, расширения доли рынка, создания отдела продаж и извлечения максимальной ценности из успешных продуктов. Заявленная цель DeepSeek гораздо скромнее.

По сообщениям, Лян сказал:

"Мы получаем только разумную прибыль."

Это утверждение не означает, что DeepSeek отказывается от коммерческой деятельности. Компания взимает плату за использование API, управляет потребительскими продуктами, обслуживает разработчиков и постоянно расширяет доступ к моделям.

Разница заключается в ведении бизнеса и максимизации бизнеса.

DeepSeek, по-видимому, готов получать доход, достаточный для обслуживания и поддержки разработки, но в настоящее время не хочет, чтобы решения о ценообразовании определялись целью выжать максимальную прибыль из каждого пользователя.

Эта философия отражает более высокую ориентацию компании на общий искусственный интеллект. Лян описывает продукты и услуги как шаги на пути к более мощным системам, а не как конечную цель компании.

Цена DeepSeek-V4-Pro снижена до четверти от первоначальной

DeepSeek-V4-Pro является конкретным примером такого подхода.

При запуске этой модели её API-ценообразование было значительно выше, чем у более лёгкой модели V4-Flash. DeepSeek объяснил это ограниченностью высокопроизводительных вычислительных мощностей и ожиданием снижения цен по мере появления новой инфраструктуры.

В мае 2026 года компания навсегда снизила цену на 75%.

По сообщениям, цена в юанях снизилась с примерно от 0,1 до 24 юаней за миллион токенов до от 0,025 до 6 юаней за миллион токенов, в зависимости от того, является ли это кэшированным вводом, некэшированным вводом или выводом.

По словам Ляна, V4-Pro изначально была оценена выше, потому что DeepSeek опасался чрезмерного спроса. Как только появились условия для снижения цены, компания сразу же уменьшила её в четыре раза.

Согласно записям встречи, сотрудники праздновали это снижение, поскольку модель создавалась для того, чтобы как можно больше людей могли ею полноценно пользоваться.

Такая формулировка необычна. Обычно снижение цен описывается как способ привлечения клиентов, конкурентного позиционирования или увеличения доли рынка. Лян же представил его как более совершенное соответствие между предназначением модели и её доступностью.

Текущие цены на API DeepSeek

Официальная документация API DeepSeek в настоящее время содержит две основные конечные точки V4:

Согласно текущей документации, обе модели поддерживают режимы с обдумыванием и без, вывод JSON, вызов инструментов, дополнение префиксов диалога и максимальную длину контекста в 1 млн токенов.

Указанные ограничения на одновременные запросы: у V4-Flash выше, чем у V4-Pro:

• V4-Flash: 2500
• V4-Pro: 500

DeepSeek также заявляет, что цены могут меняться, и рекомендует перед оценкой производственных затрат сверяться с официальной страницей цен.

Старые названия моделей deepseek-chat и deepseek-reasoner планируется отключить 24 июля 2026 года. В настоящее время они для совместимости сопоставляются с режимами без обдумывания и с обдумыванием deepseek-v4-flash.

Почему DeepSeek изначально установил более высокую цену

Высокая стартовая цена не всегда означает, что компания считает ценность продукта постоянно повышенной.

Это также может быть механизмом управления ёмкостью.

Когда спрос превышает доступное предложение вычислительных мощностей для вывода, у поставщиков услуг есть несколько вариантов:

1. Создать лист ожидания.
2. Ввести строгие ограничения скорости.
3. Оставить доступ только для определённых клиентов.
4. Уменьшить доступный функционал модели.
5. Подавить спрос за счёт повышения цен.
6. Расширить инфраструктуру и затем снизить цены.

DeepSeek, похоже, использует комбинацию стратегий ценообразования и ограничения ёмкости.

V4-Pro требует более дефицитных высокопроизводительных вычислительных ресурсов, поэтому более высокая начальная цена снижает вероятность того, что спрос перегрузит сервис. Когда появляется больше мощностей и повышается эффективность, компания может предложить модель более широко.

Это кардинально отличается от установления высокой цены просто потому, что клиенты готовы платить.

В первом случае цена рассматривается как временный инструмент распределения ресурсов, во втором — как средство получения максимальной воспринимаемой ценности.

Комментарии Ляна показывают, что DeepSeek склонен снижать цены после снятия ограничений по ёмкости.

Низкая стоимость — результат архитектуры, а не просто коммерческая стратегия

По сообщениям, Лян подчеркнул, что низкая стоимость DeepSeek — это не просто коммерческая стратегия.

Это результат совместных усилий архитектуры модели, системного проектирования и оптимизации с учётом особенностей оборудования.

DeepSeek всегда фокусировался на технических методах повышения эффективной производительности модели в условиях ограниченного вычислительного бюджета.

Примеры из их исследований включают:

• Архитектура смеси экспертов (активация только части параметров модели для каждого токена)
• Многоголовая скрытая внимательность (уменьшение потребности в кэше ключей-значений)
• Обучение с пониженной точностью
• Эффективные системы обучения с обменом данными
• Совместное проектирование с учётом аппаратного обеспечения
• Контекстное кэширование
• Разреженные вычисления
• Оптимизированный вывод и обслуживание

Например, DeepSeek-V2 имеет в общей сложности 236 миллиардов параметров, но активирует только 21 миллиард на каждый токен. В их исследовательской работе отмечается, что по сравнению с более ранней системой DeepSeek 67B, эта модель требует меньше затрат на обучение, имеет значительно меньший кэш KV и более высокую пропускную способность генерации.

DeepSeek-V3 расширил общее количество параметров до 671 миллиарда, активируя 37 миллиардов на каждый токен. Компания сообщает, что обучение было проведено на 14,8 триллиона токенов при сохранении цен API ниже, чем у большинства передовых моделей.

DeepSeek-V4 продолжает эту стратегию, поддерживая окно контекста в миллион токенов и предлагая отдельные модели Flash и Pro.

Эти системы не делают вычисления бесплатными. Крупные модели по-прежнему требуют дорогих чипов, сетей, электроэнергии, инженерных работ, хранения данных и эксплуатации дата-центров.

Ключевой момент в том, что архитектура может изменить соотношение производительности модели на единицу вычислений.

Эффективность затрат помогает DeepSeek обучать более крупные модели

Более глубокий аргумент Ляна касается исследовательских возможностей.

Компании с неограниченными вычислительными ресурсами могут оптимизировать модели, добавляя чипы, расширяя кластеры и увеличивая количество циклов обучения.

Условия работы DeepSeek отличаются от условий крупнейших американских технологических компаний. Экспортные ограничения, доступность чипов, потребности в капитале и инфраструктурные ограничения — всё это влияет на возможности обучения.

В такой среде снижение стоимости единицы вычислений даёт двойной эффект.

Снижение стоимости обслуживания пользователей

Более эффективный вывод позволяет DeepSeek обрабатывать больше запросов на той же инфраструктуре, снижая цены API и расширяя охват сервиса.

Расширение масштаба обучаемых моделей

Если обучающая система более эффективно использует вычислительные ресурсы, компания может обучать более крупные или продвинутые модели в рамках фиксированного аппаратного бюджета.

По сообщениям, Лян резюмировал это различие так: крупные компании решают проблемы, наращивая ресурсы, а DeepSeek в первую очередь оптимизирует эффективность затрат.

Именно поэтому в стратегии DeepSeek низкие цены так тесно связаны с передовыми исследованиями. Инженерная оптимизация, снижающая стоимость вывода, также помогает добиться большего прогресса при ограниченных ресурсах для обучения.

Стоимость важнее времени и пользовательского опыта

В более полной записи встречи Лян, как сообщается, выделил три ключевых элемента конкуренции передовых моделей:

1. Стоимость
2. Время
3. Пользовательский опыт

Стоимость была поставлена на первое место.

Когда две компании предлагают модели сопоставимого качества, та, которая может предоставлять услуги с меньшими затратами, имеет структурное преимущество. Она может устанавливать более низкие цены, обслуживать больше пользователей, проводить больше внутренних экспериментов или направлять сэкономленные средства на следующий цикл обучения.

Время стоит на втором месте, поскольку многомесячное лидерство имеет решающее значение на быстро меняющемся рынке. Модели, оборудование, фреймворки для агентов и ожидания клиентов меняются стремительно.

Пользовательский опыт может формировать лояльность, но, по сообщениям, Лян Вэньфэн не называл его самой фундаментальной технологической защитой.

Такая приоритизация помогает объяснить, почему DeepSeek активно инвестирует в архитектуру и инфраструктуру, одновременно сохраняя относительно небольшие команды по продажам и продуктам.

DeepSeek управляет API-бизнесом в составе небольшой команды

Сообщается, что Лян Вэньфэн заявил, что API-бизнес сам по себе не кажется ему особенно привлекательным.

Это замечание может показаться удивительным, поскольку доходы от API являются одной из основных бизнес-моделей для провайдеров передовых моделей.

С точки зрения операционной модели позицию DeepSeek понять легче.

Согласно записям совещаний:

• Небольшая команда может поддерживать сервис.
• Поддержка клиентов в компании очень ограничена.
• Нет необходимости в большом отделе продаж.
• Пользователи самостоятельно находят и интегрируют модели.
• Спрос на продукт определяется возможностями модели и ценой.

Это модель распространения, ориентированная на продукт.

DeepSeek не нанимает крупные корпоративные отделы продаж для заключения контрактов, а вместо этого выпускает модели, предоставляет совместимые API, публикует документацию и позволяет разработчикам сразу начинать пользоваться сервисом.

Такой подход позволяет сохранять низкие операционные издержки, но имеет и свою цену.

Крупные организации обычно требуют:

• Поддержку закупок
• Документацию по безопасности
• Соглашения об уровне обслуживания (SLA)
• Управление учетными записями
• Помощь в миграции
• Проверку соответствия требованиям
• Выделенные мощности
• Поддержку при инцидентах
• Консультации по интеграции

Упрощенная бизнес-организация может подойти самостоятельным разработчикам и технически сильным командам, но может оказаться неприемлемой для предприятий, ожидающих полной поддержки и контрактных гарантий.

"Мы коммерциализируемся, но коммерциализация не является целью"

Сообщается, что Лян Вэньфэн заявил, что DeepSeek всегда занимался коммерциализацией, но не рассматривает ее как конечную цель.

Это не означает, что у компании нет бизнес-модели.

В настоящее время DeepSeek имеет несколько механизмов, которые могут приносить доход или иметь стратегическую ценность:

• Платный API-доступ
• Потребительские приложения
• Внедрение разработчиками
• Корпоративное использование
• Рост экосистемы моделей
• Распространение открытых весов
• Техническое лицензирование или партнерство
• Сотрудничество в области инфраструктуры
• Привлечение талантов
• Потенциальные будущие продукты

Данное высказывание следует скорее понимать как расстановку приоритетов.

Главная цель DeepSeek — повышение возможностей модели и стремление к общему искусственному интеллекту (AGI). Коммерческая деятельность служит этим усилиям, однако компания не хочет, чтобы краткосрочные цели по доходам направляли исследования в сторону каждой популярной категории продуктов.

Сообщается, что Лян Вэньфэн заявил, что время для полного перехода DeepSeek к коммерциализации еще далеко.

При наличии достаточного финансирования, терпеливых инвесторов или других источников финансовой поддержки эту позицию может быть легче сохранять. Однако по мере роста потребностей в вычислительных мощностях даже лаборатории, ориентированные на исследования, должны решать вопросы стоимости инфраструктуры, удержания сотрудников и долгосрочной операционной деятельности.

Низкие цены могут стать конкурентным оружием, даже без максимизации прибыли

DeepSeek может не описывать свое ценообразование как борьбу за долю рынка, но низкие цены все равно влияют на конкурентов.

Провайдер, предлагающий модели конкурентного качества по цене, составляющей лишь долю стоимости主流ных API на рынке, заставляет рынок реагировать.

Конкуренты могут быть вынуждены:

• Снижать цены
• Выпускать модели меньшего размера
• Оптимизировать механизмы кэширования
• Предлагать оптовые скидки
• Оптимизировать эффективность вывода
• Создавать более дешевую маршрутизацию между уровнями
• Связывать модели с облачными сервисами
• Обосновывать высокую наценку инструментами, надежностью или поддержкой

Конечным результатом является общее снижение стоимости внедрения ИИ.
Это изменение выгодно разработчикам, стартапам, исследовательским институтам и предприятиям, которые ранее не могли позволить себе использование масштабных моделей.
В то же время это оказывает давление на провайдеров моделей, чья прибыльность зависит от высокой маржи.
Таким образом, даже если DeepSeek заявляет, что его целью не является максимизация прибыли, его ценовая стратегия имеет коммерческие последствия.

Открытые модели являются частью той же стратегии

Высказывания Лян Вэньфэна о ценообразовании тесно связаны с поддержкой DeepSeek выпуска открытых моделей.
Сообщается, что он описывал открытый исходный код как отказ компании от части потенциальной выгоды.
Публикация весов моделей позволяет:

• Исследователям изучать архитектуру модели
• Разработчикам запускать модели приватно
• Предприятиям выполнять тонкую настройку или адаптацию
• Провайдерам инфраструктуры оптимизировать развертывание
• Конкурентам учиться на результатах
• Более широкой экосистеме строить решения, не используя хостинг API DeepSeek

С узкой коммерческой точки зрения это может ослабить эффект привязки к API.
Однако с точки зрения DeepSeek, открытые модели также приносят:

• Техническое влияние
• Внедрение разработчиками
• Обратную связь от исследований
• Ценность для найма
• Организационную гордость
• Более быстрые инновации в экосистеме
• Более сильные позиции в глобальном диалоге об ИИ

Сообщается, что Лян Вэньфэн заявил, что DeepSeek не будет выпускать намеренно ослабленную модель, сохраняя при этом значительно более сильную версию.
Это утверждение необходимо оценивать в каждом конкретном случае, но оно отражает публичную позицию компании: открытый доступ — это не просто маркетинговый образец, а существенная часть исследовательской стратегии.

"Разумная прибыль" не означает много

Фраза "разумная прибыль" звучит привлекательно, но она не является точным финансовым показателем.
DeepSeek еще публично не определил:

• Целевую валовую прибыль
• Целевую операционную маржу
• Необходимую норму доходности инфраструктуры
• Как исследовательские расходы распределяются в ценообразовании API
• Субсидируются ли потребительские продукты
• Как ценообразование меняется в зависимости от поставок чипов
• Сколько вычислительных мощностей зарезервировано внутри компании
• Будут ли будущие корпоративные сервисы использовать другую маржу

Таким образом, эту фразу следует понимать как заявление о намерениях, а не как публичную формулу ценообразования.
Она также не гарантирует, что цены никогда не вырастут.
Официальные документы DeepSeek указывают, что цены на продукты могут меняться. Ограничения по вычислительным мощностям, стоимость оборудования, спрос, размер модели и требования к обслуживанию — все это может повлиять на будущие цены.
Компания может отказываться от максимизации прибыли, одновременно повышая цены при росте затрат на обслуживание.

Разница между дешевыми токенами и низкой общей стоимостью

Цену API за миллион токенов легко сравнивать, но это не отражает общую стоимость использования модели.
Для производственного приложения следует также учитывать следующие аспекты:

Показатели:

• Количество токенов, необходимых модели для выполнения задачи.
• Необходимость в повторных попытках.
• Качество вызовов инструментов.
• Задержка.
• Доля попаданий в кэш.
• Длина контекста.
• Длина вывода.
• Частота ошибок.
• Время ручной проверки.
• Надежность под нагрузкой.
• Стоимость переключения модели.
• Ценность поддержки и гарантий обслуживания.

Модель с более низкой ценой за токен может оказаться более дорогой в целом, если ее ответы многословны, часто дают сбои или требуют значительных доработок.

Более дорогая модель, способная решить задачу с первой попытки, может оказаться более экономичной.

Поэтому преимущество DeepSeek в стоимости следует тестировать на уровне полного рабочего процесса, а не только на основе опубликованных тарифов на токены.

Что разработчикам следует проверить перед выбором DeepSeek API

Соответствие модели

Сравните V4-Flash и V4-Pro в зависимости от реальной задачи. Для высокопроизводительных рабочих процессов может быть достаточно Flash, а для сложных задач кодирования, рассуждений или работы агентов может больше подойти Pro.

Поведение кэша

Кэшированный ввод намного дешевле некэшированного. Для приложений с повторяющимися системными подсказками, общими документами или стабильным контекстом кэширование может дать значительное преимущество в стоимости.

Длина вывода

Стоимость вывода для обеих моделей выше, чем стоимость ввода. Ненужные длинные трассы рассуждений или многословные ответы будут доминировать в счете.

Возможности параллелизма

Задокументированные ограничения параллелизма различаются между Flash и Pro. Высокопроизводительные продукты должны как можно раньше тестировать потребности в пропускной способности.

Имя модели

Разработчики, все еще использующие deepseek-chat или deepseek-reasoner, должны перейти на идентификаторы моделей V4, так как старые имена планируются к удалению.

Риски, связанные с поставщиком

DeepSeek оставляет за собой право изменять цены. Производственные системы должны избегать жесткой привязки к экономическим предположениям, основанным на фиксированной цене.

Потребности в поддержке

Для индивидуальных разработчиков самостоятельного доступа к API может быть достаточно. Предприятия должны подтвердить соответствие своим требованиям к безопасности, соответствию, обслуживанию и поддержке, прежде чем стандартизировать использование какого-либо поставщика.

Стратегические преимущества подхода DeepSeek

Модель ценообразования DeepSeek создает несколько потенциальных преимуществ.

Более широкое внедрение

Низкие цены снижают стоимость экспериментов, позволяя небольшим командам использовать эти модели.

Больше данных об использовании и обратной связи

Более крупная пользовательская база генерирует больше информации о сбоях, популярных рабочих процессах, узких местах инфраструктуры и потребностях разработчиков.

Давление в сторону эффективной инженерии

Когда компания не может полагаться на высокую прибыль, возникает мощный стимул для улучшения архитектуры и эффективности обслуживания.

Сильная открытая экосистема

Доступный по цене хостинг API и загружаемые веса взаимодополняют друг друга. Разработчики могут начать с API, а затем перейти к частному развертыванию.

Репутация для талантов и исследований

Лаборатории, стремящиеся к передовым исследованиям, открытым публикациям и долгосрочным технологическим целям, лучше привлекают инженеров.

Риски и компромиссы

Та же стратегия сопряжена с вызовами.

Потребности в инфраструктуре

Спрос, привлекаемый крайне низкими ценами, может расти быстрее, чем увеличиваются мощности.

Ограниченная корпоративная поддержка

Небольшие отделы продаж и поддержки могут замедлить внедрение в организациях с высоким уровнем регулирования или сложными закупочными процедурами.

Устойчивое развитие

Затраты на обучение передовых моделей продолжают расти. Разумная прибыль по-прежнему необходима для покрытия эксплуатационных расходов и финансирования будущих исследований.

Ценовые ожидания

Как только разработчики привыкают к крайне низким ценам, будущее повышение цен может оказаться затруднительным.

Конкурентная реакция

Крупные облачные провайдеры и поставщики моделей могут субсидировать низкозатратные уровни, связывать модели с инфраструктурой или использовать эффект масштаба для снижения цен.

Бизнес-фокус

Отказ от непрофильных продуктов помогает сохранять исследовательскую направленность, но также может отдать ценные рынки в руки конкурентов.

Часто задаваемые вопросы

Как Лян Вэньфэн оценивает стратегию ценообразования DeepSeek?

Сообщается, что Лян Вэньфэн заявил: цель DeepSeek — получать разумную прибыль, а не максимизировать доход. Он связывает стратегию низких цен с задачей компании сделать мощные модели широко доступными и повысить экономическую эффективность.

Снизил ли DeepSeek цену на какую-либо модель на 75%?

Да. DeepSeek навсегда снизил цену на V4-Pro на 75%, до четверти от первоначальной стоимости. Конкретная плата зависит от использования кэшированных и некэшированных входных токенов, а также выходных токенов.

Почему DeepSeek-V4-Pro изначально был дорогим?

DeepSeek объяснил это ограниченным доступом к высокопроизводительным вычислительным ресурсам на тот момент. Более высокая начальная цена помогла контролировать спрос до тех пор, пока не были получены дополнительные вычислительные мощности и не повысилась эффективность.

Какова текущая цена API DeepSeek-V4?

Согласно официальной документации DeepSeek, V4-Flash стоит $0,0028 за миллион кэшированных входных токенов, $0,14 за некэшированные входные токены и $0,28 за выходные токены. Для V4-Pro соответствующие цены составляют $0,003625, $0,435 и $0,87.

Выступает ли DeepSeek против коммерциализации?

Нет. Сообщается, что Лян Вэньфэн заявил: компания всегда стремилась к коммерческому внедрению, но коммерциализация не является конечной целью. Приоритетом остаются исследования моделей и долгосрочное стремление к созданию общего искусственного интеллекта (AGI).

Как DeepSeek предлагает столь низкие цены на API?

DeepSeek объясняет свое ценовое преимущество архитектурой моделей, разреженными вычислениями, технологией кэширования, низкоточным обучением, оптимизацией инфраструктуры и легковесной операционной моделью. Доступность оборудования и вычислительные мощности также влияют на ценообразование.

Предлагает ли DeepSeek корпоративные продажи и поддержку?

DeepSeek предоставляет документацию, API, лимиты использования и запросы на расширение, но Лян Вэньфэн отметил, что команда эксплуатации компании невелика, а традиционная инфраструктура продаж и поддержки клиентов ограничена. Предприятиям следует проверить, соответствует ли текущая поддержка их потребностям.

Останется ли цена на API DeepSeek неизменной?

Не обязательно. На официальной странице ценообразования DeepSeek указано, что цены могут меняться, и компания оставляет за собой право на корректировку. Разработчикам следует сверяться с последней документацией при оценке затрат.

Связанные инструменты

• DeepSeek Chat: Официальный веб-интерфейс DeepSeek для взаимодействия с текущими моделями.
• Платформа API DeepSeek: Официальная платформа для получения ключей API, управления использованием, биллингом и доступом к моделям.
• Документация API DeepSeek: Официальное руководство по интеграции, информация о моделях, ценах, ограничениях и журнале изменений.
• GitHub DeepSeek: Официальный репозиторий для исследований моделей, компонентов вывода, систем обучения и проектов с открытым исходным кодом.
• DeepSeek на Hugging Face: Официальные релизы весов моделей с открытым исходным кодом, карточки моделей и загружаемые контрольные точки.
• Коллекция DeepSeek-V4: Официальная коллекция моделей V4, включая Flash, Pro, базовые версии и варианты для развертывания.

Связанные ссылки

• Модели и цены DeepSeek: Текущие официальные цены на API, контекстные ограничения, функции и названия моделей.
• Релиз предварительной версии DeepSeek V4: Официальная информация о V4-Pro, V4-Flash, длине контекста и доступе через API.
• Журнал обновлений API DeepSeek: Официальные обновления моделей, совместимых названий, функций и доступности.
• Коллекция DeepSeek-V4 на Hugging Face: Официальные веса моделей и связанные релизы.
• Релиз DeepSeek-V3: Официальная архитектура V3 и исторические цены на API.
• Исследовательская работа DeepSeek-V2: Технические детали DeepSeekMoE, многоголового латентного внимания, эффективности обучения и улучшений вывода.
• Сборник публичных выступлений Лян Вэньфэна на встречах с инвесторами: Материалы, собранные третьей стороной; формулировки могут отличаться от оригинальных высказываний.

Заключение

Публичные заявления Лян Вэньфэна о ценообразовании показывают, что DeepSeek рассматривает экономическую эффективность как техническую и стратегическую цель, а не просто способ привлечения клиентов.

Изначально компания установила высокую цену на V4-Pro для регулирования спроса в условиях ограниченных высокопроизводительных вычислительных ресурсов, а затем, получив возможность более широкого обслуживания, снизила ее на 75%. Текущие официальные цены API как для V4-Flash, так и для V4-Pro остаются низкими.

DeepSeek коммерциализирует свои технологии, но Лян Вэньфэн не описывает максимизацию дохода как конечную цель компании. Ее модель сочетает самообслуживание, небольшую операционную команду, публикацию весов с открытым исходным кодом, оптимизацию архитектурной эффективности и долгосрочную направленность на исследования AGI.

Основная логика ценообразования DeepSeek заключается в следующем: компания, способная создавать мощные модели наиболее эффективным путем, может расширять доступ к ним, конкурировать на глобальном уровне и финансировать будущее развитие, не взимая максимально возможную плату за каждый вызов.