Витік документів DeepSeek у X свідчить про можливе підвищення цін на моделі

TL;DR

• •В X утекли внутрішні презентації DeepSeek для інвесторів, що показують план підвищення цін на модель V4 Pro.
• •Згідно з документами, DeepSeek V4 Pro має перевершити Claude Fable 5 за бенчмарками Terminal-Bench 2.1 (~83,5% vs 83,8%) та SWE-bench Pro (~80,1% vs 80,3%).
• •Компанія вважає, що її модель вже достатньо сильна, щоб відмовитися від стратегії низьких цін.
• •Однак модель DeepSeek V4 Flash, орієнтована на працівників-агентів, залишає дешевою і може втратити долю ринку при підвищенні вартості.
• •Аналіз свідчить про те, що DeepSeek у ніші LLM для корпоративних агентів має ближню до монополію позицію завдяки доступній ціні.

Як це змінить ваш ринок?

Для компаній, які використовують LLM у корпоративних агентах, це сигнал про можливе зростання витрат на AI-інфраструктуру, якщо DeepSeek підніме ціни на свої моделі. Однак альтернативи у вигляді відкритих моделей або пропозицій від Anthropic можуть стати більш привабливими, якщо розрив у якості залишиться незначним. Тому керівники повинні переглянути свої контракти та розглянути гібридні стратегії використання моделей. Якщо ваша організація вже залежить від DeepSeek через низькі вартості токенів, варто почати моніторити офіційні оголошення про ціни та досліджувати можливість переходу на гібридні схемы, де відкриті моделі використовуються для менее критичних задач, а пропрієтарні — для вимогливих нагрузок.

Визначення: LLM (велика мовна модель) — тип штучного інтелекту, що генерує текст на основі великих обсягів даних і може бути налаштований під конкретні завдання, такі як кодогенерація або аналіз даних.

Для кого це і за яких умов

Для середніх і великих компаній (від 50 співробітників) що планують інтегрувати LLM у свої продукти або внутрішні процеси, потрібен доступ до GPU з принаймні 24 ГБ пам’яті або підписка на хмарний API. Якщо бюджет на токени обмежений, варто розглядати моделі з нижчою вартістю, такі як DeepSeek V4 Flash або llama-3-8b. Впровадження може зайняти від 1 до 2 тижнів для налаштування API та тестування на пилотному проєкті. Якщо ваша команда не має досвіду з самохостингом, розгляньте використання управляєх сервісів (наприклад, Replicate або Hugging Face Inference API), які зменшують операційний надмір, хоча можуть збільшити вартість на токен. Для компаній з менше ніж 10 співробітників рекомендується починати з готових рішень типу ChatGPT або Claude, поки не накопите достатньо даних для власної тонкої налаштування.

Альтернативи