DeepSeek V4‑Pro 75% API 減價變長期價格？AI 模型市場可能被重新定價

不過根據 DeepSeek 官方 API 文件，當推廣結束後，模型價格會 永久調整至原本價格的四分之一，即是折扣價實際上會變成新標準價格。

換句話講，呢次減價並唔只係短期促銷。

在減價之前，V4‑Pro 的標價大約是：

• 輸入：$1.74 / 百萬 tokens
• 輸出：$3.48 / 百萬 tokens

所以目前的價格其實代表一次長期的成本下降，而唔係單純 marketing 活動。

同 GPT‑5.5、Claude Opus 4.7 比較

如果同其他主流 AI 模型比較，差距就更加明顯。

OpenAI GPT‑5.5

• 輸入：$5.00 / 百萬 tokens
• 輸出：$30.00 / 百萬 tokens

Anthropic Claude Opus 4.7

• 輸入：$5.00 / 百萬 tokens
• 輸出：$25.00 / 百萬 tokens

DeepSeek V4‑Pro

• 輸入：$0.435 / 百萬 tokens
• 輸出：$0.87 / 百萬 tokens

即係話：

• 輸入 token 成本比 GPT‑5.5 或 Opus 4.7 平約 91%。
• 輸出 token 成本更低，大約 平 96% 至 97%。

對於需要處理大量請求的系統，例如：

• AI coding assistant
• 自動化 agent 系統
• 大型文件分析
• 客戶支援 chatbot

token 成本通常係主要營運成本。如果成本差距達到呢個級別，就會直接影響產品設計同商業模式。

技術規格同能力

除了價格之外，V4‑Pro 在技術規格上亦直接對標頂級模型。

主要能力包括：

• 100 萬 tokens 上下文窗口
• 最高 384,000 tokens 輸出
• 支援 JSON 結構化輸出 同 tool / function calling

模型採用 Mixture‑of‑Experts（MoE）架構，總參數量約 1.6 兆（1.6T），但每次推理只啟動約 490 億參數。

呢種設計可以在保持模型容量的同時，大幅降低實際計算成本。

大型 context window 特別適合以下場景：

• 長文件或法律文件分析
• 大型 codebase 推理
• 多 agent 工作流程
• RAG（檢索增強生成）知識庫系統

當成本同 context 同時放大，原本太貴的 AI workflow 就變得可行。

對開發者意味住乜

對好多團隊而言，AI 部署最大的限制其實係成本，而唔係能力。

如果 token 價格大幅降低，開發者可以：

• 使用更長 prompt
• 生成更長內容
• 分析更大量文件
• 建立多模型 agent pipeline

例如輸出 token 成本由 $25 降到 $0.87，意味同一筆預算可以生成接近 30 倍內容。

呢種差距會令某些 AI 產品由「實驗性質」變成「真正可盈利」。

AI 模型價格戰正在加速

DeepSeek 的策略反映一個愈來愈明顯的行業趨勢。

過去幾年，頂級模型 API 通常定價在 每百萬 tokens 幾美元到幾十美元 的區間，例如 GPT‑5.5 同 Claude Opus 4.7。

DeepSeek 則採用另一種策略：

極低單價 + 大規模使用量。

分析指出，DeepSeek 多次以遠低於競爭對手的價格推出模型，迫使整個市場向更低推理成本移動。

這種模式其實同雲計算市場歷史非常相似：一旦有人證明同級性能可以用更低成本提供，整個行業最終都要跟住調整。

未來值得關注的問題

DeepSeek 的策略亦引出幾個重要問題：

• 其他 AI 公司會唔會跟隨降價？
• 更低推理成本會否加速 agent‑based 應用爆發？
• 超低價格在長期營運上是否可持續？

不過有一點已經相當清楚：

token 價格正逐漸成為 AI 競爭的核心武器。

如果 DeepSeek 的定價能維持下去，建立大型 AI 系統的成本，可能會比許多開發者原本預期下降得更快。