Derfor ser Microsoft mot DeepSeek V4 for den nye bedriftsagenten Copilot Cowork

De to endringene henger tett sammen: Når AI-agenter utfører lange arbeidsflyter med mange deloppgaver, blir kostnaden ved å kjøre modellene en sentral del av forretningsmodellen.

Copilot Cowork er mer enn en chatbot

Copilot Cowork er laget for å utføre arbeid, ikke bare svare på enkeltstående spørsmål. Agenten kan hente sammenheng fra e-poster, møter, meldinger, filer og data i Microsoft 365, og jobbe på tvers av blant annet Outlook, SharePoint, Teams og Excel .

En slik arbeidsflyt kan bestå av mange trinn. Agenten må tolke oppgaven, hente relevant informasjon, velge verktøy, utføre handlinger og kontrollere resultatet. Hvert trinn kan bruke inn-, ut- og hurtiglagrede token.

Det gjør agentbaserte oppgaver langt mer ressurskrevende enn en vanlig spørsmål-og-svar-samtale. Med en fast prismodell basert på såkalte premium request units blir det vanskeligere å speile hvor mye arbeid en enkelt forespørsel faktisk krever. For Microsoft blir det derfor viktig å få ned kostnaden ved selve modellkjøringen.

Hvorfor DeepSeek V4 er interessant for Microsoft

Axios-rapporten peker på flere mulige grunner til at Microsoft ser på DeepSeek V4 eller en annen åpen modell.

Lavere kostnad ved stor skala

DeepSeek V4 bruker en effektiv oppmerksomhetsmekanisme som kan redusere kostnadene ved utrulling i stor skala . Det er særlig relevant når en agent skal håndtere mange parallelle og tokenintensive arbeidsoppgaver.

DeepSeek-modeller finnes allerede i Microsofts Azure AI Foundry-katalog, blant annet i variantene V4 Pro og V4 Flash . Det gir Microsoft erfaring med drift og integrasjon av modellene i Azure-miljøet.

Mindre avhengighet av modellpartnerne

Ved lanseringen fikk Copilot Cowork en modellvelger med modeller fra Anthropic, blant annet Claude Opus og Sonnet, samt OpenAI-modellen GPT-5.5 . En Microsoft-kontrollert DeepSeek-variant vil gi selskapet et rimeligere alternativ ved siden av disse modellene.

Det kan også redusere avhengigheten av frontier-modeller fra OpenAI og Anthropic – og gi Microsoft bedre forhandlingsposisjon når priser og kapasitet skal avtales.

Mer kontroll over hvor data behandles

En DeepSeek-modell som er hostet direkte på Azure, kan gi virksomheter en tydeligere modell for datastyring enn når forespørsler sendes til en ekstern modellleverandørs infrastruktur. Anthropic-modellene kjører på Anthropics USA-baserte infrastruktur, noe som har skapt spørsmål om hvordan enkelte europeiske virksomheter skal vurdere GDPR og Microsofts EU Data Boundary .

Det betyr ikke at Claude automatisk er i strid med GDPR. Poenget er at en Azure-hostet modell kan gjøre det enklere å holde behandling og styring innenfor Microsofts egne sky- og suverenitetsrammer .

Slik fungerer Copilot Credits

Copilot Credits er den målte valutaen Microsoft bruker for forbruk på tvers av Copilot-arbeidsbelastninger . Kostnaden beregnes ut fra hvor mye arbeid agenten faktisk utfører.

• Verdi: Ett Copilot Credit tilsvarer 0,01 amerikanske dollar i forbruksverdi .
• Hva som måles: Bruken beregnes på tokennivå og inkluderer inn-token, ut-token og hurtiglagrede token. Satsen avhenger av hvilken modell som brukes .
• Betaling etter forbruk: Pay-as-you-go koster 0,01 dollar per kreditt og krever ingen forhåndsbetaling. Dette er ment for lavt eller uforutsigbart forbruk .
• Kredittpakker: Virksomheter kan kjøpe pakker på 25 000 kreditter for 200 dollar per måned, noe som passer bedre for mer forutsigbare arbeidsmengder .
• Styring: Administratorer kan følge med på og kontrollere kostnadene i et sentralt kostnadsstyringspanel i administrasjonssenteret for Microsoft 365 .

I praksis betyr dette at den samme oppgaven kan bruke ulikt antall kreditter, avhengig av hvor omfattende arbeidsflyten er og hvilken modell som behandler den. Hvis DeepSeek V4 har lavere tokenkostnad enn de dyrere modellene, kan en tilsvarende oppgave bruke færre kreditter.

Sikkerhet og etterlevelse blir ikke mindre viktig

Copilot Cowork følger Microsoft 365s eksisterende sikkerhets- og styringsmodell. Agenten skal bare få tilgang til data brukeren allerede har tillatelse til å se, og Microsoft Purview kan brukes til revisjon og styring .

Samtidig øker risikoen for feilkonfigurerte tilgangsrettigheter når én agent kan hente informasjon fra flere tjenester i samme arbeidsflyt. En oppgave som berører Outlook, SharePoint, Teams og Excel, kan i praksis krysse store deler av virksomhetens datalandskap .

Derfor må virksomheter kontrollere tilgangsgrupper, delingsregler og tillatelser før de gir en slik agent vide fullmakter. Det gjelder særlig når Cowork ikke bare oppsummerer informasjon, men også kan utføre handlinger på vegne av brukeren.

En Azure-hostet DeepSeek-modell kan passe godt inn i Microsofts eksisterende arkitektur, men hosting i Azure løser ikke alle styringsutfordringer. Virksomheten må fortsatt ha oversikt over hvilke data agenten får bruke, hvilke handlinger den kan utføre, og hvordan resultatene loggføres.

Et nytt konkurransefortrinn – hvis kostnadene holder

Microsofts mulige DeepSeek-satsing handler derfor om mer enn å finne en ny modell. Den viser at konkurransen i bedriftsmarkedet i økende grad dreier seg om kostnaden ved å kjøre AI i praksis.

Google Workspace med Gemini og Slack med AI-funksjoner vil kunne bli målt mot hvor mye det koster å utføre tilsvarende komplekse oppgaver. En rimeligere modell kan gjøre det mulig for Microsoft å tilby flere agenthandlinger uten at kredittforbruket blir for høyt for kunden – samtidig som Microsoft beskytter egne marginer.

Det vil også være en tydelig støtte til åpne modellvekter i bedriftsmarkedet. Dersom DeepSeek V4 leverer tilstrekkelig kvalitet i Coworks arbeidsflyter, kan det vise at virksomheter ikke alltid trenger den dyreste tilgjengelige modellen for hver oppgave.

Kort fortalt: Microsoft vurderer DeepSeek V4 først og fremst for å redusere kostnaden ved de tokenkrevende arbeidsflytene i Copilot Cowork. Den nye Copilot Credits-modellen gjør denne kostnaden mer synlig, mens Azure-hosting kan gi Microsoft både bedre økonomisk kontroll og en enklere vei til krav om sikkerhet, datastyring og etterlevelse.