Strategia di prezzo di DeepSeek: perché Liang Wenfeng privilegia l'efficienza anziché la massimizzazione del profitto

Introduzione

Liang Wenfeng, fondatore di DeepSeek, ha recentemente fornito una delle spiegazioni più chiare finora riguardo al pensiero dell'azienda su pricing, efficienza dei costi, modelli open source e commercializzazione.

Durante una riunione con gli investitori che secondo quanto riferito è durata quattro ore, Liang ha dichiarato che il pricing di DeepSeek non è finalizzato alla massimizzazione dei ricavi. Al contrario, l'obiettivo dell'azienda è ottenere quello che lui chiama profitto ragionevole, mantenendo al contempo i prezzi dei modelli sufficientemente bassi da consentirne un uso diffuso.

L'esempio più evidente è DeepSeek-V4-Pro. Il modello è stato inizialmente prezzato a un livello relativamente alto perché l'azienda prevedeva che la domanda avrebbe superato la sua capacità di calcolo ad alte prestazioni disponibile. DeepSeek ha poi ridotto il prezzo a un quarto di quello originale, con un taglio permanente del 75%.

Il punto di vista di Liang va oltre le tradizionali promozioni sui prezzi. Egli considera il basso costo come risultato dell'efficienza architetturale e ingegneristica – nonché una condizione necessaria per la ricerca su modelli all'avanguardia con risorse di calcolo limitate.

I commenti della riunione circolati online sono stati compilati sulla base di materiali limitati e non rappresentano la trascrizione ufficiale parola per parola pubblicata da DeepSeek. Pertanto, alcune formulazioni potrebbero differire da quanto effettivamente detto. I nomi dei modelli attuali, le caratteristiche e i prezzi API in questo articolo sono stati verificati con la documentazione ufficiale di DeepSeek.

DeepSeek dichiara di puntare a un profitto ragionevole, non alla massimizzazione dei ricavi

Il concetto centrale dei commenti di Liang sul pricing è la moderazione.

La maggior parte delle aziende tecnologiche è tenuta ad aumentare i ricavi, espandere la quota di mercato, creare organizzazioni di vendita e trarre il massimo valore possibile dai prodotti di successo. L'obiettivo dichiarato di DeepSeek è invece più limitato.

Secondo quanto riportato, Liang ha dichiarato:

"Guadagniamo solo un profitto ragionevole."

Questa affermazione non significa che DeepSeek rifiuti le attività commerciali. L'azienda addebita l'uso delle API, gestisce prodotti di consumo, serve gli sviluppatori e continua ad ampliare l'accesso ai modelli.

La differenza sta tra operatività commerciale e massimizzazione commerciale.

DeepSeek sembra disposta a ottenere entrate sufficienti per gestire il servizio e sostenere lo sviluppo, ma al momento non vuole che le decisioni sui prezzi siano dominate dall'obiettivo di estrarre il massimo profitto da ogni utente.

Questa filosofia riflette l'attenzione prioritaria dell'azienda verso l'intelligenza artificiale generale. Liang descrive prodotti e servizi come tappe lungo il percorso verso sistemi più potenti, non come fine ultimo dell'azienda.

Il prezzo di DeepSeek-V4-Pro ridotto a un quarto dell'originale

DeepSeek-V4-Pro fornisce un esempio concreto di questo approccio.

Quando il modello è stato lanciato, il suo pricing API era nettamente superiore a quello del modello più leggero V4-Flash. DeepSeek ha attribuito la ragione alla limitata capacità di calcolo ad alte prestazioni e ha previsto che i prezzi sarebbero scesi con la disponibilità di più infrastrutture.

Nel maggio 2026, l'azienda ha applicato un taglio permanente del 75%.

Secondo quanto riportato, i prezzi in yuan sono passati da circa 0,1 a 24 yuan per milione di token a da 0,025 a 6 yuan per milione di token, a seconda che si trattasse di input in cache, input non in cache o output.

Secondo Liang, V4-Pro era stato inizialmente prezzato più alto perché DeepSeek temeva una domanda eccessiva. Una volta che le condizioni per ridurre il prezzo sono state soddisfatte, l'azienda ha semplicemente abbassato il prezzo a un quarto.

Secondo i verbali della riunione, i dipendenti hanno celebrato questo taglio, poiché il modello era stato costruito proprio per essere ampiamente utilizzato da più persone.

Questa formulazione è insolita. Di solito, le riduzioni di prezzo vengono descritte come mezzi per acquisire clienti, posizionarsi competitivamente o far crescere la quota di mercato. Liang le presenta invece come un allineamento più perfetto tra lo scopo del modello e la sua accessibilità.

Attuale pricing API di DeepSeek

La documentazione API ufficiale di DeepSeek elenca attualmente due principali endpoint V4:

Modello	Input in cache (per milione di token)	Input non in cache (per milione di token)	Output (per milione di token)	Lunghezza contesto
DeepSeek-V4-Flash	0,0028 USD	0,14 USD	0,28 USD	1 milione di token
DeepSeek-V4-Pro	0,003625 USD	0,435 USD	0,87 USD	1 milione di token

Secondo la documentazione attuale, entrambi i modelli supportano le modalità pensiero e non pensiero, output JSON, chiamate a strumenti, prefissi di completamento del dialogo e una lunghezza massima del contesto di 1 milione di token.

I limiti di concorrenza elencati sono più alti per V4-Flash che per V4-Pro:

• V4-Flash: 2.500
• V4-Pro: 500

DeepSeek dichiara inoltre che i prezzi possono variare e consiglia di consultare la pagina ufficiale dei prezzi prima di stimare i costi di produzione.

I vecchi nomi di modello deepseek-chat e deepseek-reasoner sono previsti per essere dismessi il 24 luglio 2026. Attualmente sono mappati alle modalità non pensiero e pensiero di deepseek-v4-flash per compatibilità.

Perché DeepSeek ha fissato inizialmente un prezzo più alto

Un prezzo di lancio elevato non significa sempre che l'azienda ritenga che il valore del prodotto sia permanentemente superiore.

Potrebbe anche essere un meccanismo di gestione della capacità.

Quando la domanda supera l'offerta disponibile di calcolo per l'inferenza, i fornitori hanno diverse opzioni:

1. Creare una lista d'attesa.
2. Implementare limiti di velocità rigorosi.
3. Riservare l'accesso solo a determinati clienti.
4. Ridurre le funzionalità disponibili del modello.
5. Sopprimere la domanda aumentando i prezzi.
6. Espandere l'infrastruttura e successivamente ridurre i prezzi.

DeepSeek sembra aver combinato strategie di pricing e limitazione della capacità.

V4-Pro richiede risorse di calcolo ad alte prestazioni più scarse, quindi un prezzo iniziale più elevato ha ridotto la probabilità che la domanda sopraffacesse il servizio. Una volta ottenuta maggiore capacità e miglioramenti di efficienza, l'azienda ha potuto offrire il modello più ampiamente.

Questo è molto diverso dal fissare un prezzo alto semplicemente perché i clienti sono disposti a pagare.

Nel primo caso, il prezzo è visto come uno strumento temporaneo di allocazione delle risorse; nel secondo, come mezzo per estrarre il massimo valore percepito.

I commenti di Liang indicano che DeepSeek tende a ridurre i prezzi una volta rimossi i vincoli di capacità.

Il basso costo è il risultato architetturale, non una semplice strategia commerciale

Secondo quanto riferito, Liang ha sottolineato che il basso costo di DeepSeek non è una semplice strategia commerciale.

È il risultato congiunto dell'architettura del modello, dell'ingegneria di sistema e dell'ottimizzazione hardware-consapevole.

DeepSeek si è sempre concentrata sui mezzi tecnici per migliorare la capacità effettiva del modello con un budget di calcolo limitato.

Esempi tratti dalla sua ricerca includono:

• Architettura a esperti misti (attiva solo una parte dei parametri del modello per ogni token)
• Attenzione latente multi-testa (riduce il fabbisogno di cache delle chiavi-valori)
• Addestramento a bassa precisione
• Sistemi di addestramento con comunicazione efficiente
• Co-progettazione hardware-consapevole
• Cache del contesto
• Calcolo sparso
• Inferenza e servizio ottimizzati

Ad esempio, DeepSeek-V2 ha un totale di 236 miliardi di parametri, con solo 21 miliardi attivati per ogni token. Il suo documento di ricerca indica che, rispetto al precedente sistema DeepSeek 67B, questo modello ha costi di addestramento inferiori, una cache KV significativamente ridotta e una produttività di generazione più elevata.

DeepSeek-V3 ha esteso il totale dei parametri a 671 miliardi, con 37 miliardi attivati per ogni token. L'azienda riferisce di aver completato l'addestramento con 14,8 trilioni di token, mantenendo i prezzi API inferiori a quelli della maggior parte dei servizi di modelli all'avanguardia.

DeepSeek-V4 prosegue questa strategia, supportando una finestra di contesto di un milione di token e offrendo modelli Flash e Pro separati.

Questi sistemi non rendono il calcolo gratuito. I modelli di grandi dimensioni richiedono comunque chip costosi, rete, elettricità, ingegneria, storage e operazioni del data center.

Il punto cruciale è che l'architettura può modificare la quantità di capacità del modello prodotta per unità di calcolo.

L'efficienza dei costi aiuta DeepSeek ad addestrare modelli più grandi

L'argomentazione più profonda di Liang riguarda la capacità di ricerca.

Le aziende con risorse di calcolo illimitate possono ottimizzare i modelli aggiungendo chip, espandendo i cluster e aumentando il numero di cicli di addestramento.

DeepSeek opera in condizioni diverse dalle più grandi aziende tecnologiche americane. Le restrizioni all'esportazione, la disponibilità di chip, le esigenze di capitale e i vincoli infrastrutturali influenzano tutti la sua capacità di addestramento.

In questo contesto, la riduzione del costo per unità di calcolo produce un duplice effetto.

Ridurre il costo del servizio per gli utenti

Un'inferenza più efficiente consente a DeepSeek di gestire più richieste con la stessa infrastruttura, abbassando così i prezzi API ed espandendo la portata del servizio.

Espandere la dimensione dei modelli addestrabili

Se il sistema di addestramento utilizza le risorse di calcolo in modo più efficiente, l'azienda può addestrare modelli più grandi o più avanzati con un budget hardware fisso.

Secondo quanto riferito, Liang ha riassunto la differenza come: le grandi aziende risolvono i problemi aumentando le risorse, mentre DeepSeek dà priorità all'ottimizzazione dell'efficienza dei costi.

Questo è il motivo per cui nella strategia di DeepSeek i prezzi bassi sono strettamente legati alla ricerca all'avanguardia. Le ottimizzazioni ingegneristiche che riducono i costi di inferenza possono anche aiutare a fare maggiori progressi con risorse di addestramento limitate.

Il costo prioritario rispetto al tempo e all'esperienza utente

Nei verbali più completi della riunione, Liang avrebbe indicato tre elementi chiave della competizione sui modelli all'avanguardia:

1. Costo
2. Tempo
3. Esperienza utente

Il costo è stato elencato al primo posto.

Quando due aziende offrono modelli di qualità simile, quella in grado di fornire il servizio a costo inferiore ha un vantaggio strutturale. Può fissare prezzi più bassi, supportare più utenti, condurre più esperimenti interni o investire i risparmi nel ciclo successivo di addestramento.

Il tempo è al secondo posto, perché mesi di vantaggio sono cruciali in un mercato che cambia rapidamente. Modelli, hardware, framework per agenti e aspettative dei clienti si trasformano continuamente.

L'esperienza utente può generare fedeltà, ma secondo quanto riportato, Liang Wenfeng non l'ha descritta come il fossato tecnologico più fondamentale.

Questa gerarchia di priorità aiuta a spiegare perché DeepSeek investe pesantemente in architettura e infrastruttura, mantenendo al contempo team di vendita e prodotto relativamente snelli.

DeepSeek gestisce l'attività API con un team ridotto

Secondo quanto riportato, Liang Wenfeng ha dichiarato di ritenere che l'attività API non sia particolarmente attraente di per sé.

Questa affermazione potrebbe sorprendere, dato che i ricavi dalle API rappresentano uno dei principali modelli di business per i fornitori di modelli all'avanguardia.

Dal punto di vista operativo, la posizione di DeepSeek è più facile da comprendere.

Secondo i verbali delle riunioni:

• Un team ridotto è sufficiente per mantenere il servizio.
• L'assistenza clienti dell'azienda è molto limitata.
• Non è necessario un grande team di vendita.
• Gli utenti scoprono e integrano i modelli autonomamente.
• La domanda di prodotto è guidata dalle capacità del modello e dal prezzo.

Si tratta di un modello di distribuzione guidato dal prodotto.

DeepSeek non assume grandi team di vendita aziendale per negoziare contratti, ma pubblica modelli, fornisce API compatibili, rende pubblica la documentazione e lascia che gli sviluppatori inizino direttamente a utilizzare il servizio.

Questo approccio mantiene bassi i costi operativi, ma ha anche un prezzo.

Le grandi organizzazioni di solito necessitano di:

• Supporto per gli acquisti
• Documentazione sulla sicurezza
• Contratti di servizio
• Gestione degli account
• Assistenza per la migrazione
• Revisioni di conformità
• Capacità dedicata
• Supporto per la gestione degli incidenti
• Consulenza per l'integrazione

Un'organizzazione commerciale snella può essere adatta a sviluppatori self-service e team con forti competenze tecniche, ma potrebbe non essere ideale per aziende che si aspettano supporto completo e garanzie contrattuali.

"Stiamo commercializzando, ma la commercializzazione non è l'obiettivo"

Secondo quanto riportato, Liang Wenfeng ha dichiarato che DeepSeek ha sempre perseguito la commercializzazione, ma non la considera il fine ultimo.

Ciò non equivale a dire che l'azienda non abbia un modello di business.

DeepSeek possiede attualmente diversi meccanismi in grado di sostenere ricavi o valore strategico:

• Accesso API a pagamento
• Applicazioni consumer
• Adozione da parte degli sviluppatori
• Uso aziendale
• Crescita dell'ecosistema di modelli
• Distribuzione di pesi open source
• Licenze tecnologiche o partnership
• Collaborazioni infrastrutturali
• Attrazione di talenti
• Potenziali prodotti futuri

Questa affermazione va interpretata piuttosto come una gerarchia di priorità.

L'obiettivo primario di DeepSeek è migliorare le capacità dei modelli e perseguire l'intelligenza artificiale generale (AGI). Le attività commerciali supportano questo sforzo, ma l'azienda non vuole che obiettivi di reddito a breve termine orientino la ricerca verso ogni categoria di prodotto di tendenza.

Secondo quanto riportato, Liang Wenfeng ha dichiarato che il momento per una svolta completa di DeepSeek verso la commercializzazione è ancora lontano.

Questa posizione potrebbe essere più facile da mantenere quando si dispone di finanziamenti sufficienti, investitori pazienti o altre fonti di sostegno finanziario. Tuttavia, con la crescita della domanda di potenza di calcolo, anche i laboratori incentrati sulla ricerca devono affrontare costi infrastrutturali, fidelizzazione dei dipendenti e operazioni a lungo termine.

Anche senza massimizzare i profitti, i prezzi bassi possono essere un'arma competitiva

DeepSeek potrebbe non descrivere i propri prezzi come una lotta per la quota di mercato, ma i prezzi bassi influenzano comunque i concorrenti.

Un fornitore che offre modelli di qualità competitiva a un costo pari a una frazione delle API mainstream del mercato obbliga il mercato a reagire.

I concorrenti potrebbero dover:

• Abbassare i prezzi
• Lanciare modelli più piccoli
• Ottimizzare i meccanismi di cache
• Offrire sconti per volumi
• Ottimizzare l'efficienza dell'inferenza
• Creare instradamenti di livello più economici
• Abbinare i modelli a servizi cloud
• Giustificare un premio di prezzo elevato attraverso strumenti, affidabilità o supporto

Il risultato finale è una riduzione complessiva dei costi di implementazione dell'IA.
Questo cambiamento avvantaggia sviluppatori, startup, istituti di ricerca e aziende che prima non potevano permettersi l'uso su larga scala di modelli.
Allo stesso tempo, mette sotto pressione i fornitori di modelli che dipendono da margini lordi elevati per la redditività.
Pertanto, anche se DeepSeek dichiara che la massimizzazione del profitto non è il suo obiettivo, la sua strategia di prezzo ha un impatto commerciale.

I modelli open source sono parte integrante della stessa strategia

Le dichiarazioni di Liang Wenfeng sui prezzi sono strettamente legate al supporto di DeepSeek per il rilascio di modelli open source.
Secondo quanto riportato, ha descritto l'open source come un'azione che sacrifica parte del potenziale profitto dell'azienda.
La pubblicazione dei pesi dei modelli consente:

• Ai ricercatori di studiare l'architettura del modello
• Agli sviluppatori di eseguire modelli privatamente
• Alle aziende di fare fine-tuning o adattamento
• Ai fornitori di infrastrutture di ottimizzare la distribuzione
• Ai concorrenti di imparare dai risultati
• A un ecosistema più ampio di costruire senza utilizzare le API ospitate da DeepSeek

Da una prospettiva commerciale ristretta, questo potrebbe indebolire l'effetto di lock-in delle API.
Ma dal punto di vista di DeepSeek, i modelli open source portano anche:

• Influenza tecnica
• Adozione da parte degli sviluppatori
• Feedback dalla ricerca
• Valore per il reclutamento
• Orgoglio organizzativo
• Innovazione ecosistemica più rapida
• Una posizione più forte nel discorso globale sull'IA

Secondo quanto riportato, Liang Wenfeng ha dichiarato che DeepSeek non rilascerà un modello volutamente indebolito, trattenendo una versione sostanzialmente più forte.
Questa affermazione va valutata caso per caso, ma riflette il posizionamento pubblico dell'azienda: l'accesso aperto non è solo un campione di marketing, ma una parte sostanziale della strategia di ricerca.

"Profitto ragionevole" non significa molto

L'espressione "profitto ragionevole" è attraente, ma non è un indicatore finanziario preciso.
DeepSeek non ha ancora definito pubblicamente:

• Il margine lordo target
• Il margine operativo target
• Il tasso di rendimento necessario per l'infrastruttura
• Come i costi di ricerca vengono ripartiti nel prezzo delle API
• Se i prodotti di consumo siano sovvenzionati
• Come i prezzi cambieranno in base alla disponibilità di chip
• Quanta potenza di calcolo viene riservata internamente
• Se i futuri servizi aziendali avranno margini diversi

Pertanto, questa espressione va interpretata come una dichiarazione di intenti, non come una formula di prezzo pubblica.
Non garantisce nemmeno che i prezzi non aumenteranno mai.
I documenti ufficiali di DeepSeek indicano che i prezzi dei prodotti possono variare. Limiti di calcolo, costi hardware, domanda, dimensioni del modello e requisiti di servizio possono tutti influenzare i prezzi futuri.
Un'azienda può rifiutare la massimizzazione del profitto ma alzare i prezzi quando i costi del servizio aumentano.

Differenza tra token economici e costo totale ridotto

Il prezzo per milione di token delle API è facile da confrontare, ma non riflette il costo totale di utilizzo del modello.
Un'applicazione di livello produttivo dovrebbe considerare anche i seguenti aspetti:

Indicatori:

• Numero di token necessari al modello per completare un'attività.
• Se sono necessari tentativi.
• Qualità delle chiamate agli strumenti.
• Latenza.
• Tasso di hit della cache.
• Lunghezza del contesto.
• Lunghezza dell'output.
• Tasso di errore.
• Tempo di revisione manuale.
• Affidabilità sotto carico.
• Costo del cambio di modello.
• Valore del supporto e delle garanzie di servizio.

Un modello con un costo per token inferiore, se le sue risposte sono verbose, falliscono frequentemente o richiedono molte correzioni, potrebbe avere un costo complessivo più elevato.

Un modello più costoso che risolve un problema al primo tentativo potrebbe essere più economico.

Pertanto, il vantaggio di costo di DeepSeek dovrebbe essere testato a livello di flusso di lavoro completo, non solo in base alle tariffe pubblicate per token.

Cosa verificare prima di scegliere l'API di DeepSeek

Adattamento del modello

Confronta V4-Flash e V4-Pro in base all'attività reale. Per flussi di lavoro ad alto throughput, Flash potrebbe essere sufficiente; per compiti complessi di codifica, ragionamento o agenti, Pro potrebbe essere più adatto.

Comportamento della cache

L'input in cache è molto più economico di quello non in cache. Per applicazioni con system prompt ripetuti, documenti condivisi o contesto stabile, la cache può offrire un significativo vantaggio in termini di costi.

Lunghezza dell'output

Le tariffe per l'output sono più alte di quelle per l'input in entrambi i modelli. Tracce di ragionamento inutilmente verbose o risposte prolisse possono dominare la fattura.

Capacità di concorrenza

I limiti di concorrenza documentati variano tra Flash e Pro. I prodotti ad alto throughput dovrebbero testare i requisiti di capacità in anticipo.

Nome del modello

Gli sviluppatori che usano ancora deepseek-chat o deepseek-reasoner dovrebbero migrare agli identificatori del modello V4, poiché i vecchi nomi sono programmati per essere deprecati.

Rischio fornitore

DeepSeek si riserva il diritto di modificare i prezzi. I sistemi di produzione dovrebbero evitare di basarsi rigidamente su presupposti economici legati a un prezzo fisso.

Esigenze di supporto

Per sviluppatori individuali, l'accesso API self-service potrebbe essere sufficiente. Le aziende dovrebbero verificare le proprie aspettative su sicurezza, conformità, servizio e supporto prima di standardizzare un fornitore.

Vantaggi strategici della strategia di DeepSeek

Il modello di prezzo di DeepSeek crea diversi potenziali vantaggi.

Adozione più ampia

I prezzi bassi riducono il costo della sperimentazione, consentendo ai team più piccoli di utilizzare questi modelli.

Più dati di utilizzo e feedback

Una base utenti più ampia genera più informazioni su casi di fallimento, flussi di lavoro popolari, colli di bottiglia infrastrutturali e esigenze degli sviluppatori.

Pressione verso un'ingegneria efficiente

Quando un'azienda non può contare su margini elevati, si crea una forte motivazione per migliorare l'architettura e l'efficienza del servizio.

Ecosistema open più forte

API ospitate a prezzi accessibili e pesi scaricabili si completano a vicenda. Gli sviluppatori possono iniziare con le API e successivamente passare a distribuzioni private.

Reputazione per talenti e ricerca

Un laboratorio impegnato nella ricerca all'avanguardia, nel rilascio aperto e in obiettivi tecnologici a lungo termine attira maggiormente gli ingegneri.

Rischi e compromessi

La stessa strategia comporta anche delle sfide.

Esigenze infrastrutturali

La domanda attratta da prezzi estremamente bassi potrebbe superare la crescita della capacità.

Supporto aziendale limitato

Team di vendita e assistenza ridotti potrebbero rallentare l’adozione in organizzazioni fortemente regolamentate o con processi di procurement complessi.

Sostenibilità

I costi di addestramento dei modelli all’avanguardia continuano a crescere. Profitti ragionevoli sono ancora necessari per coprire le operazioni di servizio e sostenere la ricerca futura.

Aspettative sui prezzi

Una volta che gli sviluppatori si abituano a prezzi molto bassi, eventuali aumenti futuri potrebbero incontrare difficoltà.

Risposta alla concorrenza

I grandi provider cloud e di modelli possono sovvenzionare livelli a basso costo, abbinare i modelli all’infrastruttura o sfruttare economie di scala per ridurre i prezzi.

Focus commerciale

Evitare prodotti non core aiuta a mantenere la concentrazione sulla ricerca, ma potrebbe anche cedere mercati preziosi ai concorrenti.

Domande frequenti

Qual è l’opinione di Liang Wenfeng sulla strategia di prezzo di DeepSeek?

Secondo quanto riferito, Liang Wenfeng ha dichiarato che l’obiettivo di DeepSeek è ottenere un profitto ragionevole, non massimizzare i ricavi. Ha collegato la strategia di prezzi bassi all’obiettivo dell’azienda di rendere i modelli potenti ampiamente accessibili e migliorare l’efficienza dei costi.

DeepSeek ha ridotto il prezzo di un modello del 75%?

Sì. DeepSeek ha ridotto permanentemente del 75% il prezzo di V4-Pro, portandolo a un quarto del prezzo originale. I costi specifici dipendono dall’uso di input in cache, input non in cache e output.

Perché DeepSeek-V4-Pro era costoso al lancio?

DeepSeek ha dichiarato che all’epoca le risorse di calcolo di fascia alta erano limitate. Il prezzo iniziale più alto ha aiutato a controllare la domanda fino all’ottenimento di maggiore potenza di calcolo e maggiore efficienza.

Quali sono i prezzi attuali dell’API di DeepSeek-V4?

Secondo la documentazione ufficiale di DeepSeek, V4-Flash costa $0,0028 per milione di token di input in cache, $0,14 per input non in cache e $0,28 per output. I prezzi corrispondenti per V4-Pro sono rispettivamente $0,003625, $0,435 e $0,87.

DeepSeek è contrario alla commercializzazione?

No. Secondo quanto riferito, Liang Wenfeng ha affermato che l’azienda ha sempre perseguito la distribuzione commerciale, ma la commercializzazione non è l’obiettivo finale. Le priorità rimangono la ricerca sui modelli e il perseguimento a lungo termine dell’intelligenza generale artificiale (AGI).

Come fa DeepSeek a offrire prezzi API così bassi?

DeepSeek attribuisce il proprio vantaggio in termini di costi all’architettura del modello, al calcolo sparso, alle tecnologie di caching, all’addestramento a bassa precisione, all’ottimizzazione dell’infrastruttura e a un modello operativo leggero. Anche la disponibilità hardware e la capacità di calcolo influenzano i prezzi.

DeepSeek offre servizi di vendita e supporto aziendale?

DeepSeek fornisce documentazione, API, limiti di utilizzo e richieste di scalabilità, ma Liang Wenfeng ha dichiarato che il team operativo dell’azienda è piccolo e che l’infrastruttura tradizionale di vendita e assistenza clienti è limitata. Le aziende dovrebbero verificare se il supporto esistente soddisfa le proprie esigenze.

I prezzi dell’API di DeepSeek rimarranno invariati?

Non necessariamente. La pagina ufficiale dei prezzi di DeepSeek dichiara che i prezzi possono variare e l’azienda si riserva il diritto di modificarli. Gli sviluppatori dovrebbero consultare la documentazione più recente per stimare i costi.

Strumenti correlati

• DeepSeek Chat: Interfaccia web ufficiale di DeepSeek per interagire con il modello corrente.
• Piattaforma API DeepSeek: Piattaforma ufficiale per ottenere chiavi API, gestire l’utilizzo, la fatturazione e l’accesso ai modelli.
• Documentazione API DeepSeek: Guida ufficiale all’integrazione, informazioni sui modelli, prezzi, limiti e changelog.
• GitHub di DeepSeek

Repository ufficiale per la ricerca sui modelli, componenti di inferenza, sistemi di addestramento e progetti open source.

• DeepSeek su Hugging Face: Pubblicazioni ufficiali dei pesi dei modelli open source, schede dei modelli e checkpoint scaricabili.
• Collezione DeepSeek-V4: Collezione ufficiale di modelli V4, incluse varianti Flash, Pro, base e di deployment.

Link correlati

• Modelli e prezzi DeepSeek: Prezzi API ufficiali correnti, limiti di contesto, funzionalità e nomi dei modelli.
• Annuncio della versione preview di DeepSeek V4: Informazioni ufficiali su V4-Pro, V4-Flash, lunghezza del contesto e accesso API.
• Changelog aggiornamenti API DeepSeek: Aggiornamenti ufficiali su modelli, nomi compatibili, funzionalità e disponibilità.
• Collezione Hugging Face DeepSeek-V4: Pesi ufficiali dei modelli e versioni correlate.
• Annuncio DeepSeek-V3: Architettura ufficiale di V3 e informazioni storiche sui prezzi API.
• Articolo di ricerca DeepSeek-V2: Dettagli tecnici su DeepSeekMoE, attenzione latente multi-testa, efficienza di addestramento e miglioramenti nell’inferenza.
• Raccolta pubblica degli interventi di Liang Wenfeng alle riunioni con gli investitori: Materiale di terze parti raccolto, alcune formulazioni potrebbero differire dal discorso originale.

Riepilogo

Le dichiarazioni pubbliche di Liang Wenfeng sui prezzi suggeriscono che DeepSeek considera l’efficienza dei costi come un obiettivo tecnico e strategico, non solo un mezzo per attrarre clienti.

L’azienda ha inizialmente fissato un prezzo elevato per V4-Pro per regolare la domanda in presenza di risorse di calcolo limitate, per poi ridurlo del 75% quando ha potuto offrire servizi più ampi. Attualmente, i prezzi ufficiali dell’API per V4-Flash e V4-Pro rimangono bassi.

DeepSeek sta commercializzando la propria tecnologia, ma Liang Wenfeng non descrive la massimizzazione dei ricavi come obiettivo finale dell’azienda. Il suo modello combina distribuzione self-service, un team operativo ridotto, pubblicazione di pesi open source, ottimizzazione dell’efficienza architetturale e un focus a lungo termine sulla ricerca AGI.

La logica centrale dei prezzi di DeepSeek è: un’azienda in grado di costruire modelli potenti nel modo più efficiente non ha bisogno di applicare la tariffa più alta per ogni chiamata per espandere l’accesso, competere a livello globale e finanziare lo sviluppo futuro.