在AI領(lǐng)域，一場圍繞性能與價格平衡的較量正在悄然上演。曾經(jīng)以高性價比震撼市場的中國大模型DeepSeek，近期在用戶留存和官網(wǎng)流量上遭遇了滑鐵盧，市場份額持續(xù)下滑，引發(fā)業(yè)界廣泛關(guān)注。

DeepSeek R1自發(fā)布以來，憑借與OpenAI相媲美的推理能力和低廉90%的價格，迅速在AI圈走紅，甚至一度影響了西方資本市場。然而，隨著時間的推移，這款模型在用戶端的表現(xiàn)卻出現(xiàn)了明顯下滑。盡管在第三方平臺上，DeepSeek R1和V3模型的使用量持續(xù)增長，但自家托管模型的用戶增長卻顯得乏力。

深入分析發(fā)現(xiàn)，這一變化背后隱藏著復(fù)雜的“Token經(jīng)濟(jì)學(xué)”考量。Token作為AI模型的基本單元，其價格并非孤立存在，而是模型提供商在平衡硬件、模型配置以及各項性能指標(biāo)后的結(jié)果。這些性能指標(biāo)包括延遲、吞吐量和上下文窗口大小，它們共同決定了模型服務(wù)的用戶體驗和成本效益。

DeepSeek為了提供低價模型，在延遲和上下文窗口大小上做出了權(quán)衡。用戶往往需要等待數(shù)秒才能收到模型返回的第一個Token，同時較小的上下文窗口限制了模型在編程等場景的應(yīng)用。相比之下，其他服務(wù)商如Parasail、Friendli等，在提供近乎零延遲體驗的同時，價格幾乎沒有差別。微軟Azure雖然價格較高，但延遲卻大幅減少。

DeepSeek采用的極高批處理方式，雖然最大限度地減少了用于模型推理和對外服務(wù)的計算資源消耗，從而將更多算力保留用于內(nèi)部研發(fā)，但這一戰(zhàn)略選擇也導(dǎo)致了用戶體驗的下降。終端用戶需要承受更高的延遲和更慢的吞吐量，從而影響了模型的普及和市場份額。

值得注意的是，盡管DeepSeek在自家平臺上遇冷，但在全球市場上，其開源策略卻贏得了廣泛認(rèn)可。通過讓其他云服務(wù)商托管其模型，DeepSeek不僅節(jié)省了寶貴的計算資源，還贏得了全球用戶的認(rèn)知度和基礎(chǔ)。這一策略與中國AI生態(tài)系統(tǒng)在模型服務(wù)方面的限制有關(guān)，但也反映了DeepSeek對實現(xiàn)通用人工智能（AGI）的堅定決心。

與此同時，另一家AI公司Anthropic也面臨著類似的算力挑戰(zhàn)。盡管其在編程領(lǐng)域取得了顯著成功，如Cursor應(yīng)用的廣泛應(yīng)用和Claude Code的推出，但算力上的局限仍然限制了其模型的生成速度和用戶體驗。為了應(yīng)對這一挑戰(zhàn)，Anthropic正在積極尋求更多算力資源，并與亞馬遜達(dá)成了協(xié)議。

在這場AI領(lǐng)域的較量中，DeepSeek和Anthropic的故事為我們提供了寶貴的啟示。在追求高性價比的同時，如何平衡用戶體驗和算力資源，將成為未來AI模型提供商需要深入思考的問題。而隨著“GPT套殼”應(yīng)用的迅速流行和主流市場的認(rèn)可，AI模型的價值鏈和分發(fā)模式也將迎來更加深刻的變革。