Så sprängde kinesiska AI-bolag prisbarriären – 70 gånger billigare än västerländska rivaler

Nyckeldata från källorna:

• En produktionsarbetsbelastning som kostar 788 USD/månad på OpenAI GPT-5.5 kostar cirka 11 USD på DeepSeek V4 Flash – en skillnad på mer än 70× .
• Enbart på output-tokens har gapet mellan den billigaste och dyraste frontmodellen vuxit till 231× (Qwen Turbo på $0,13/M mot GPT-5.5 på $30/M) .
• Öppen vikt-modeller från DeepSeek, Alibaba och Z.ai (GLM) är 60% till 90% billigare än västerländska flaggskepp när de drivs på egen infrastruktur .
• Googles Gemini 2.5 Flash Lite ($0,10/$0,40 per M tokens) är råbilligaste lilla modellen totalt, men ingen västerländsk leverantör matchar DeepSeeks frontklass-prestanda per krona .

Prestanda: Matchar eller slår västerländska flaggskepp

Oberoende prestandamätningar från NIST:s CAISI-utvärdering visar att DeepSeek V4 Pro konkurrerar direkt med det bästa från OpenAI och Anthropic :

Ytterligare prestandahöjdpunkter:

• DeepSeek V4 Pro leder alla modeller på SWE-bench Verified (80,6%), ett mått på verklig mjukvaruteknisk förmåga .
• På matematiskt resonemang (AIME 2025) når DeepSeek V4 Pro 85,0%, och på OTIS-AIME-2025 når den 97% .
• På MMLU (bred kunskap) uppnår DeepSeek V4 Pro 90,1% .
• Alibabas Qwen 3.6 Plus är en proprietär agentisk kodningsmodell med 1 miljon tokens kontext, medan öppna Qwen 3.6-varianter finns i storlekar från 0,8B (körbar på telefon) till 397B (frontklass) under Apache 2.0 .

Finansiering och marknadsvärdering

Den finansiella historien om kinesisk AI är lika dramatisk som den tekniska:

• DeepSeek tog in över 7,4 miljarder dollar (50 miljarder yuan) i sin första externa finansieringsrunda (juni 2026) och nådde en värdering på över 50 miljarder dollar . I juli 2026 rapporterade Reuters om en ny runda till en värdering på 74 miljarder dollar inför en planerad börsnotering i Kina .
• De fyra rena kinesiska AI-labbarna (Zhipu, DeepSeek, MiniMax, Moonshot) är nu sammanlagt värda cirka 159 miljarder dollar – från i princip noll för 18 månader sedan .
• Tencent, Alibaba och CATL deltog alla i DeepSeeks första finansieringsrunda, vilket speglar ekosystemets konsolidering snarare än fragmentering .
• Alibabas Qwen, även om det inte är en fristående startup, nådde över 1 miljard kumulativa nedladdningar och 24,1% av alla topp-1.000-modellnedladdningar på Hugging Face (och passerade Metas Llama) .

Strategiska angreppssätt: Öppen källkod vs. proprietär

Alibaba (Qwen) följer en öppen källkod-ekosystemstrategi: de flesta modeller släpps under Apache 2.0, är lätta att finjustera och gratis att driva på egen infrastruktur . Detta har gjort Qwen till den mest nedladdade modellfamiljen på Hugging Face. Nackdelen är intäktsgenerering – Alibabas AI är en succé men svår att omvandla till en direkt inkomstkälla, som New York Times rapporterade . Alibaba har dock börjat skifta: flaggskeppet Qwen 3.6 Max Preview släpptes som en sluten, proprietär API-modell i april 2026 .

DeepSeek använder en hybridstrategi: de släpper V4-vikterna med öppen källkod under MIT-licens (1,6 biljoner parametrar Mixture-of-Experts, 49 miljarder aktiva parametrar) och erbjuder samtidigt en billig API-nivå. Deras arkitektur – MoE med extremt gles aktivering – möjliggör frontprestanda till dramatiskt lägre inferenskostnad.

Västerländska etablerade bolag (OpenAI, Anthropic, Google) förlitar sig främst på slutna, proprietära API:er med premiumpriser. OpenAI och Anthropic har lanserat billigare "nano"- och "mini"-nivåer som svar på trycket, men ingen matchar DeepSeeks förhållande mellan frontprestanda och pris .

Konkurrenskonsekvenser

• Prisskillnaden på 10–70× pressar marginalerna i hela branschen och tvingar västerländska labb att lansera billigare nivåer som de annars kanske inte skulle ha gjort .
• Kinesiska företags släpp av öppna vikter urholkar försvarsverket med proprietär API-inlåsning, vilket gör det möjligt för företag världen över att driva frontmodeller på egen infrastruktur för en bråkdel av kostnaden .
• Det sammanlagda värdet av kinesiska AI-labb (>159 miljarder dollar) signalerar att investerare ser en bestående konkurrensfördel i lägre kostnader för träning och inferensinfrastruktur .
• För ekonomichefer och teknikledare är konsekvensen glasklar: samma AI-budget kan nu stödja 10 till 70 gånger mer användning genom att byta till kinesiska modell-leverantörer .