Nøgledata fra kilderne:

• En produktionsopgave, der koster 788 dollars om måneden på OpenAI GPT-5.5, koster cirka 11 dollars på DeepSeek V4 Flash – en forskel på mere end 70 gange .
• Alene på output-tokens er forskellen mellem den billigste og dyreste frontlinje-model vokset til 231 gange (Qwen Turbo til $0,13/M mod GPT-5.5 til $30/M) .
• Open-weight-modeller fra DeepSeek, Alibaba og Z.ai (GLM) kører 60% til 90% billigere end vestlige flagskibe, når de hostes selv .
• Googles Gemini 2.5 Flash Lite ($0,10/$0,40 pr. M tokens) er den råbilligste lille model, men ingen vestlig udbyder matcher DeepSeeks frontlinje-ydelse-til-pris-forhold .

Ydelse: Matcher eller overgår vestlige flagskibe

Uafhængige benchmarks fra NIST's CAISI-evaluering viser, at DeepSeek V4 Pro konkurrerer direkte med de bedste fra OpenAI og Anthropic :

Yderligere højdepunkter:

• DeepSeek V4 Pro fører på tværs af alle modeller på SWE-bench Verified (80,6%), et mål for praktisk softwareudviklingsevne .
• Inden for matematisk ræsonnement (AIME 2025) scorer DeepSeek V4 Pro 85,0%, og på OTIS-AIME-2025 scorer den 97% .
• På MMLU (bred viden) opnår DeepSeek V4 Pro 90,1% .
• Alibabas Qwen 3.6 Plus er en proprietær agentisk kodningsmodel med 1M-token kontekst, mens åbne Qwen 3.6-varianter dækker størrelser fra 0,8B (kan køre på telefon) til 397B (frontlinje-kvalitet) under Apache 2.0 .

Finansiering og markedsværdi

Den økonomiske historie om kinesisk AI er lige så dramatisk som den tekniske:

• DeepSeek rejste over 7,4 milliarder dollars (50 milliarder yuan) i sin første eksterne runde (juni 2026) og opnåede en værdiansættelse på over 50 milliarder dollars . I juli 2026 rapporterede Reuters om en ny runde til en værdiansættelse på 74 milliarder dollars forud for en planlagt børsnotering i Kina .
• De fire rendyrkede kinesiske AI-laboratorier (Zhipu, DeepSeek, MiniMax, Moonshot) er nu tilsammen værd omkring 159 milliarder dollars, oppe fra næsten nul for 18 måneder siden .
• Tencent, Alibaba og CATL deltog alle i DeepSeeks første finansieringsrunde, hvilket afspejler økosystemets konsolidering snarere end fragmentering .
• Alibabas Qwen, selvom det ikke er en selvstændig startup, opnåede over 1 milliard kumulative downloads og 24,1% af alle top-1.000 model-downloads på Hugging Face (og overgik dermed Metas Llama) .

Strategiske tilgange: Open source vs. proprietær

Alibaba (Qwen) forfølger en open source-økosystemstrategi: de fleste modeller frigives under Apache 2.0, er nemme at finjustere og gratis at hoste selv . Det gjorde Qwen til den mest downloadede modelfamilie på Hugging Face. Ulempen er indtjening – Alibabas AI er en succes, men svær at omdanne til en direkte pengemaskine, som New York Times rapporterede . Alibaba har dog begyndt at skifte kurs: flagskibet Qwen 3.6 Max Preview blev udgivet som en lukket, proprietær API-model i april 2026 .

DeepSeek anvender en hybrid tilgang: det frigiver sine V4-vægte under MIT-licens (1,6 billioner parameter Mixture-of-Experts, 49 milliarder aktive parametre), samtidig med at det tilbyder en billig API-del . Dens arkitektur – MoE med ekstremt sparsom aktivering – muliggør frontlinje-ydelse til dramatisk lavere inferensomkostninger.

Vestlige aktører (OpenAI, Anthropic, Google) er primært afhængige af lukkede, proprietære API'er med premium-priser. OpenAI og Anthropic har udgivet billigere "nano"- og "mini"-niveauer som svar på presset, men ingen matcher DeepSeeks frontlinje-ydelse-til-pris-forhold .

Konsekvenser for konkurrencen

• Prisforskellen på 10–70 gange presser marginerne i hele branchen og tvinger vestlige laboratorier til at udgive billigere niveauer, de ellers ikke ville have gjort .
• Kinesiske virksomheders open-weight-udgivelser eroderer den beskyttende fordel ved proprietær API-lock-in og gør det muligt for virksomheder verden over selv at hoste frontlinje-modeller til en brøkdel af prisen .
• Den samlede værdiansættelse af kinesiske AI-laboratorier (>159 mia. dollars) signalerer, at investorer ser en holdbar konkurrencefordel i billigere trænings- og inferensinfrastruktur .
• For økonomichefer og tekniske ledere er konsekvensen indlysende: det samme AI-budget kan nu understøtte 10 til 70 gange mere brug ved at skifte til kinesiske modeludbydere .

Nøgledata fra kilderne:

• En produktionsopgave, der koster 788 dollars om måneden på OpenAI GPT-5.5, koster cirka 11 dollars på DeepSeek V4 Flash – en forskel på mere end 70 gange .
• Alene på output-tokens er forskellen mellem den billigste og dyreste frontlinje-model vokset til 231 gange (Qwen Turbo til $0,13/M mod GPT-5.5 til $30/M) .
• Open-weight-modeller fra DeepSeek, Alibaba og Z.ai (GLM) kører 60% til 90% billigere end vestlige flagskibe, når de hostes selv .
• Googles Gemini 2.5 Flash Lite ($0,10/$0,40 pr. M tokens) er den råbilligste lille model, men ingen vestlig udbyder matcher DeepSeeks frontlinje-ydelse-til-pris-forhold .

Ydelse: Matcher eller overgår vestlige flagskibe

Uafhængige benchmarks fra NIST's CAISI-evaluering viser, at DeepSeek V4 Pro konkurrerer direkte med de bedste fra OpenAI og Anthropic :

Yderligere højdepunkter:

• DeepSeek V4 Pro fører på tværs af alle modeller på SWE-bench Verified (80,6%), et mål for praktisk softwareudviklingsevne .
• Inden for matematisk ræsonnement (AIME 2025) scorer DeepSeek V4 Pro 85,0%, og på OTIS-AIME-2025 scorer den 97% .
• På MMLU (bred viden) opnår DeepSeek V4 Pro 90,1% .
• Alibabas Qwen 3.6 Plus er en proprietær agentisk kodningsmodel med 1M-token kontekst, mens åbne Qwen 3.6-varianter dækker størrelser fra 0,8B (kan køre på telefon) til 397B (frontlinje-kvalitet) under Apache 2.0 .

Finansiering og markedsværdi

Den økonomiske historie om kinesisk AI er lige så dramatisk som den tekniske:

• DeepSeek rejste over 7,4 milliarder dollars (50 milliarder yuan) i sin første eksterne runde (juni 2026) og opnåede en værdiansættelse på over 50 milliarder dollars . I juli 2026 rapporterede Reuters om en ny runde til en værdiansættelse på 74 milliarder dollars forud for en planlagt børsnotering i Kina .
• De fire rendyrkede kinesiske AI-laboratorier (Zhipu, DeepSeek, MiniMax, Moonshot) er nu tilsammen værd omkring 159 milliarder dollars, oppe fra næsten nul for 18 måneder siden .
• Tencent, Alibaba og CATL deltog alle i DeepSeeks første finansieringsrunde, hvilket afspejler økosystemets konsolidering snarere end fragmentering .
• Alibabas Qwen, selvom det ikke er en selvstændig startup, opnåede over 1 milliard kumulative downloads og 24,1% af alle top-1.000 model-downloads på Hugging Face (og overgik dermed Metas Llama) .

Strategiske tilgange: Open source vs. proprietær

Alibaba (Qwen) forfølger en open source-økosystemstrategi: de fleste modeller frigives under Apache 2.0, er nemme at finjustere og gratis at hoste selv . Det gjorde Qwen til den mest downloadede modelfamilie på Hugging Face. Ulempen er indtjening – Alibabas AI er en succes, men svær at omdanne til en direkte pengemaskine, som New York Times rapporterede . Alibaba har dog begyndt at skifte kurs: flagskibet Qwen 3.6 Max Preview blev udgivet som en lukket, proprietær API-model i april 2026 .

DeepSeek anvender en hybrid tilgang: det frigiver sine V4-vægte under MIT-licens (1,6 billioner parameter Mixture-of-Experts, 49 milliarder aktive parametre), samtidig med at det tilbyder en billig API-del . Dens arkitektur – MoE med ekstremt sparsom aktivering – muliggør frontlinje-ydelse til dramatisk lavere inferensomkostninger.

Vestlige aktører (OpenAI, Anthropic, Google) er primært afhængige af lukkede, proprietære API'er med premium-priser. OpenAI og Anthropic har udgivet billigere "nano"- og "mini"-niveauer som svar på presset, men ingen matcher DeepSeeks frontlinje-ydelse-til-pris-forhold .

Konsekvenser for konkurrencen

• Prisforskellen på 10–70 gange presser marginerne i hele branchen og tvinger vestlige laboratorier til at udgive billigere niveauer, de ellers ikke ville have gjort .
• Kinesiske virksomheders open-weight-udgivelser eroderer den beskyttende fordel ved proprietær API-lock-in og gør det muligt for virksomheder verden over selv at hoste frontlinje-modeller til en brøkdel af prisen .
• Den samlede værdiansættelse af kinesiske AI-laboratorier (>159 mia. dollars) signalerer, at investorer ser en holdbar konkurrencefordel i billigere trænings- og inferensinfrastruktur .
• For økonomichefer og tekniske ledere er konsekvensen indlysende: det samme AI-budget kan nu understøtte 10 til 70 gange mere brug ved at skifte til kinesiske modeludbydere .