DeepSeek höjer priserna när OpenAI satsar på obegränsad textchatt

Den faktiska ökningen varierar beroende på modell, tokentyp, cache-status och tidpunkt. Reuters beskrev förändringen som mellan 50 och 1 100 procent över de tidigare priserna.

Den största praktiska effekten märks i arbetsflöden som genererar mycket text under rusningstid. Priset för utdata från V4-Pro stiger från 0,87 dollar till 1,98 dollar per miljon tokens under lågtrafik och till 3,96 dollar under rusningstid.

En kodningsagent som genererar 10 miljoner outputtokens i månaden skulle därmed kosta ungefär 8,70 dollar enligt den tidigare prislistan. Om all generering sker under lågtrafik blir kostnaden cirka 19,80 dollar, och om allt sker under rusningstid cirka 39,60 dollar – före kostnaderna för indata.

Utvecklare måste börja schemalägga AI-jobb

DeepSeeks nya modell gör tidpunkten till en del av kostnadsstyrningen. Batchjobb, kodningsagenter och utvärderingar som inte kräver omedelbara svar kan i teorin flyttas till de 17 timmar som räknas som lågtrafik.

Interaktiva tjänster har däremot mindre flexibilitet. Förfrågningarna kommer när användaren behöver ett svar, oavsett om det råkar vara rusningstid eller inte.

Även cachelagring och trafikstyrning blir viktigare. Ett system kan minska kostnaderna genom att:

• öka andelen cacheträffar,
• skicka enklare arbetsuppgifter till V4-Flash,
• flytta icke-brådskande jobb till lågtrafik, eller
• dirigera vissa förfrågningar till en annan AI-leverantör.

För företag blir valet av modell därför allt mer en löpande driftfråga, inte bara en engångsjämförelse av benchmarkresultat och listpriser.

Prisökningen tar inte bort DeepSeeks kostnadsfördel, men den minskar försprånget som skapades av mycket billig inferens – alltså själva beräkningen när modellen genererar ett svar. Upplägget med rusningstaxa är förenligt med ett försök att styra efterfrågan och få bättre betalt för begränsad beräkningskapacitet. Det tillgängliga materialet visar däremot inte att DeepSeek har nått lönsamhet eller har en bekräftad väg dit. Den tolkningen bör därför hållas försiktig.

OpenAI konkurrerar med tillgång och användarvana

OpenAI valde en annan strategi. Den 6 augusti meddelade företaget att GPT-5.6 Luna skulle bli standardmodell för ChatGPT Free- och Go-användare och ersätta GPT-5.5. Användarna skulle dessutom få obegränsade vardagliga textchattar samt ett nytt Think-alternativ för svårare frågor, med skydd mot missbruk som förbehåll.

Men ordet obegränsad är mer begränsat än det först kan låta. OpenAI har kvar separata begränsningar för filuppladdningar, bildgenerering och andra verktyg. Free- och Go-användare får inte heller tillgång till GPT-5.6 Sol. Luna är standardmodellen för dessa nivåer och driver även Think-funktionen.

Luna presenteras som den mer kostnadseffektiva delen av GPT-5.6-familjen, inte som flaggskeppsmodellen Sol. Tredjepartsrapportering anger ett API-pris på 0,20 dollar per miljon inputtokens och 1,20 dollar per miljon outputtokens, men de siffrorna är inte bekräftade av de mest auktoritativa källorna i materialet.

Den strategiska skillnaden är däremot tydlig: Luna är i praktiken gratis för textchatt i ChatGPT Free och Go, medan API-användning fortfarande är en separat betaltjänst.

Därför är OpenRouter-siffrorna viktiga

Beskeden kom samtidigt som kinesiska modeller ökade kraftigt bland utvecklare. Bloomberg rapporterade att kinesiska modeller gick om amerikanska plattformar på OpenRouter i juni och stod för mer än 60 procent av tokenandelen månaden därpå.

OpenRouter fungerar som en neutral modellrouter där utvecklare kan skicka förfrågningar till många olika AI-modeller. Plattformen är därför en användbar indikator på hur utvecklare väljer modeller, men den mäter inte all global AI-användning.

Förskjutningen gällde dessutom fler aktörer än DeepSeek. I OpenRouters ranking för juli låg kinesiskt utvecklade modeller på samtliga fem topplaceringar räknat i tokenvolym: Xiaomis MiMo-V2.5, DeepSeek, MiniMax, Alibabas Qwen-familj och Moonshots Kimi.

I en ranking från juni identifierades DeepSeek som den största enskilda leverantören på plattformen, med 17,6 procent av tokenvolymen.

Det hjälper till att förklara varför priset är så centralt. Kodning och AI-agenter kan skapa mycket stora tokenvolymer eftersom modellerna anropas om och om igen. Då får även små skillnader i kostnad stor betydelse. Samtidigt visar OpenAI att användning kan vinnas genom produktdistribution – inte bara genom ett billigare API. Genom att placera en kapabel modell framför gratisanvändare kan företaget bygga användarvana, få mer återkoppling och senare konvertera en del av användarna till betalda produkter.

Två olika kommersiella svar på samma press

DeepSeek och OpenAI hanterar därmed olika sidor av samma marknadstryck:

• DeepSeek försöker tjäna pengar på efterfrågan. Rusnings- och lågtrafikpriser kan öka intäkterna när kapaciteten används som mest och uppmuntra kunder att flytta flexibla jobb till billigare tider.
• OpenAI försvarar sin distribution. Obegränsad textchatt håller Free- och Go-användare kvar i tjänsten, samtidigt som dyrare funktioner och mer avancerade modeller fortfarande kan begränsas eller placeras i högre abonnemangsnivåer.
• Utvecklarnas optimering blir mer avancerad. Företag måste ta hänsyn till modellkvalitet, listpris, cachebeteende, svarstid, tid på dygnet, trafikstyrning och kostnaden för att byta leverantör.
• Marknaden blir mer multimodell. Ett företag kan använda billigare modeller för repetitiv extraktion, översättning, kodning eller agentloopar och reservera premiumalternativ för uppgifter där prestanda, styrning eller integration i ett visst ekosystem är viktigare.

Det är därför AI-priskriget inte nödvändigtvis tar slut bara för att vissa priser höjs. Konkurrensen delas i stället upp i flera lager: billig inferens och öppna modellvikter på ena sidan, samt konsumenträckvidd, produktintegration, premiumkapacitet och företagskontroller på den andra.

Slutsats: prislistan är inte längre hela strategin

DeepSeeks höjning är en påminnelse om att låga API-priser kan skapa enorm användning utan att kostnaderna förblir låga för alltid. OpenAIs satsning på gratis Luna är det motsatta slags bet: företaget subventionerar en bred konsumentupplevelse för att stärka distributionen och skiljer sedan ut premiumfunktioner genom modellnivåer och begränsningar för andra typer av användning.

För utvecklare och företagsköpare är lärdomen att inte behandla en enskild prislista eller ett benchmarktest som permanent. Kostnader kan förändras med efterfrågan, modellnivå, cache-status och klockslag.

Den mest motståndskraftiga arkitekturen är sannolikt en som mäter de faktiska arbetsflödena, behåller flera routingalternativ och matchar varje uppgift med den modell och åtkomstnivå som passar verksamhetens risker och kostnadskrav.