曾以低價高性能震撼市場的DeepSeek，為何在自家平臺遇冷，市場份額下滑？背后隱藏的「Token經(jīng)濟學」和這場精心策劃的戰(zhàn)略轉(zhuǎn)移，正悄然改變著AI的價值鏈與分發(fā)模式。
最近，全世界的大廠都在蠢蠢欲動了！
GPT-5、Grok4，甚至Claude，都已經(jīng)紛紛有了消息，一場惡戰(zhàn)仿佛就在眼前！
DeepSeek這邊，似乎也有新動靜了。
就在昨天，一個疑似DeepSeek的新模型現(xiàn)身LMArena。
也有人猜測，這個模型更可能是DeepSeekV4，而DeepSeekR2會稍后發(fā)布。
套路很可能和之前是一樣的，先在第一個月發(fā)布V3，然后在下個月發(fā)布R1。
所以，曾經(jīng)轟動全球AI圈的中國大模型DeepSeekR1，如今怎樣了？
到今天為止，DeepSeekR1已經(jīng)發(fā)布超過150天了。
當時一經(jīng)問世，它就以O(shè)penAI同等級的推理能力和低90%的價格而迅速出圈，甚至一度撼動了西方的資本市場。
可是如今，它在用戶留存和官網(wǎng)流量上卻雙雙遇冷，市場份額持續(xù)下滑。
DeepSeek就這樣曇花一現(xiàn)，紅極一時后迅速衰落了？
其實不然，在這背后，其實隱藏著另一條增長曲線——
在第三方平臺上，R1已經(jīng)成爆炸性增長，這背后，正是折射出AI模型分發(fā)與價值鏈的悄然變革。
SemiAnalysis今天發(fā)布的這篇文章，挖出了不少一手的內(nèi)幕信息。
DeepSeek，盛極而衰？
DeepSeek發(fā)布后，消費者應(yīng)用的流量一度激增，市場份額也隨之急劇上升。
為此，SemiAnalysis做出了下面這份統(tǒng)計曲線。
當然，他們也承認，由于中國的用戶活動數(shù)據(jù)難以追蹤，且西方實驗室在中國無法運營，下面這些數(shù)據(jù)實際上低估了DeepSeek的總覆蓋范圍。
不過即便如此，曾經(jīng)它爆炸性的增長勢頭也未能跟上其他AI應(yīng)用的步伐，可以確定，DeepSeek的市場份額此后已然下滑。
而在網(wǎng)絡(luò)瀏覽器流量方面，它的數(shù)據(jù)就更為慘淡了：絕對流量一直在下降，但其他頂尖模型的用戶數(shù)卻噌噌飛漲，十分可觀。
不過，雖然DeepSeek自家托管模型的用戶增長乏力，但在第三方平臺那里，就完全是冰火兩重天了。
可以看到，R1和V3模型的總使用量一直在持續(xù)快速增長，自R1首次發(fā)布以來，已經(jīng)增長將近20倍！
如果進一步深挖數(shù)據(jù)，就會發(fā)現(xiàn)：只看由DeepSeek自己托管的那部分Token流量，那它在總Token中的份額的確是逐月下降的。
那么，問題來了：為何在DeepSeek模型本身越來越受歡迎、官方價格非常低廉的情況下，用戶反而從DeepSeek自家的網(wǎng)頁應(yīng)用和API流失，轉(zhuǎn)向了其他開源提供商呢？
SemiAnalysis點出了問題關(guān)鍵——
答案就在于「Token經(jīng)濟學」，以及在平衡模型服務(wù)的各項KPI時所做的無數(shù)權(quán)衡。
這些權(quán)衡意味著，每個Token的價格并非一個孤立的數(shù)字，而是模型提供商根據(jù)其硬件和模型配置，在對各項KPI進行決策后得出的最終結(jié)果。
Token經(jīng)濟學基礎(chǔ)
我們都知道，Token是構(gòu)成AI模型的基本單元。AI模型通過讀取以Token為單位的互聯(lián)網(wǎng)信息進行學習，并以文本、音頻、圖像或行為指令等Token形式生成輸出。
所謂Token，就是像「fan」、「tas」、「tic」這樣的小文本片段。LLM在處理文本時，并非針對完整的單詞或字母，而是對這些片段進行計數(shù)和處理。
這些Token，便是老黃口中數(shù)據(jù)中心「AI工廠」的輸入和輸出。
如同實體工廠一樣，AI工廠也遵循一個「PxQ」（價格x數(shù)量）的公式來盈利：其中，P代表每個Token的價格，Q代表輸入和輸出Token的總量。
但與普通工廠不同，Token的價格是一個可變參數(shù)，模型服務(wù)商可以根據(jù)其他屬性來設(shè)定這個價格。
以下，就是幾個關(guān)鍵的性能指標（KPI）。
延遲（Latency）或首個Token輸出時間（Time-to-First-Token）
指模型生成第一個Token所需的時長。這也可以理解為模型完成「預填充」階段（即將輸入提示詞編碼到KVCache中）并開始在「解碼」階段生成第一個Token所需的時間。
吞吐量（Throughput）或交互速度（Interactivity）
指生成每個Token的速度，通常以「每個用戶每秒可生成的Token數(shù)量」來衡量。
當然，有些服務(wù)商也會使用其倒數(shù)——即生成每個輸出Token的平均間隔時間（TimePerOutputToken,TPOT）。
人類的閱讀速度約為每秒3-5個單詞，而大部分模型服務(wù)商設(shè)定的輸出速度約為每秒20-60個Token。
上下文窗口（ContextWindow）
指在模型「遺忘」對話的早期部分、并清除舊的Token之前，其「短期記憶」中能夠容納的Token數(shù)量。
不同的應(yīng)用場景需要大小各異的上下文窗口。
例如，分析大型文檔和代碼庫時，就需要更大的上下文窗口，以確保模型能夠?qū)Ａ繑?shù)據(jù)進行連貫的推理。
對于任何一個給定的模型，你都可以通過調(diào)控這三大KPI，設(shè)定出幾乎任何價位的單位Token價格。
因此，單純基于「每百萬Token的價格」（$/Mtok）來討論優(yōu)劣，并沒有什么意義，因為這種方式忽略了具體工作負載的性質(zhì)，以及用戶對Token的實際需求。
DeepSeek的策略權(quán)衡
所以，DeepSeek在R1模型服務(wù)上采用了何種Token經(jīng)濟學策略，以至于市場份額會不斷流失？
通過對比延遲與價格的關(guān)系圖，可以看到，在同等延遲水平上，DeepSeek的自有服務(wù)已不再是價格最低的選擇。
事實上，DeepSeek之所以能提供如此低廉的價格，一個重要原因在于，用戶等待數(shù)秒后，才能收到模型返回的第一個Token。
相比之下，其他服務(wù)商的延遲會短得多，價格卻幾乎沒有差別。
也就是說，Token消費者只需花費2-4美元，就能從Parasail或Friendli這類服務(wù)商那里，獲得近乎零延遲的體驗。
同樣，微軟Azure的服務(wù)價格雖比DeepSeek高2.5倍，但延遲卻減少了整整25秒。
這樣看來，DeepSeek現(xiàn)在面臨的處境就尤為嚴峻了。
原因在于，現(xiàn)在幾乎所有托管R10528模型的實例都實現(xiàn)了低于5秒的延遲。
沿用同一圖表，但這次我們將上下文窗口的大小用氣泡面積來表示。
從中可以看到，DeepSeek為了用有限的推理算力資源來提供低價模型，所做的另一項權(quán)衡。
他們采用的64K上下文窗口，幾乎是主流模型服務(wù)商中最小的之一。
較小的上下文窗口限制了編程等場景的發(fā)揮，因為這類任務(wù)需要模型能夠連貫地記憶代碼庫中的大量Token，才能進行有效推理。
從圖表中可見，若花費同樣的價格，用戶可以從Lambda和Nebius等服務(wù)商那里獲得超過2.5倍的上下文窗口大小。
如果深入硬件層面，在AMD和英偉達芯片上對DeepSeekV3模型的基準測試，就可以看清服務(wù)商是如何確定其「每百萬Token價格」（$/Mtok）的——
模型服務(wù)商會通過在單個GPU或GPU集群上同時處理更多用戶的請求（即「批處理」），來降低單位Token的總成本。
這種做法的直接后果，就是終端用戶需要承受更高的延遲和更慢的吞吐量，從而導致用戶體驗急劇下降。
之所以DeepSeek完全不關(guān)心用戶的體驗到底如何，實際上是一種主動作出的戰(zhàn)略選擇。
畢竟，從終端用戶身上賺錢，或是通過聊天應(yīng)用和API來消耗大量Token，并不是他們的興趣所在。
這家公司的唯一焦點就是實現(xiàn)AGI！
而通過采用極高批處理方式，DeepSeek可以最大限度地減少用于模型推理和對外服務(wù)的計算資源消耗，從而將盡可能多的算力保留在公司內(nèi)部，從而用于研發(fā)。
另外還有一點：出口管制也限制了中國AI生態(tài)系統(tǒng)在模型服務(wù)方面的能力。
因此，對DeepSeek而言，開源就是最合乎邏輯的選擇：將寶貴的計算資源留作內(nèi)部使用，同時讓其他云服務(wù)商去托管其模型，以此贏得全球市場的認知度和用戶基礎(chǔ)。
不過，SemiAnalysis也承認，這卻并沒有削弱中國公司訓練模型的能力——無論是騰訊、阿里、百度，還是小紅書最近發(fā)布的新模型，都證明了這一點。
Anthropic也一樣？
和DeepSeek一樣，Anthropic的算力也是同樣受限的。
可以看到，它產(chǎn)品研發(fā)的重心顯然放在了編程上，而且已經(jīng)在Cursor等應(yīng)用中大放異彩。
Cursor的用戶使用情況，就是評判模型優(yōu)劣的終極試金石，因為它直接反映了用戶最關(guān)心的兩個問題——成本與體驗。
而如今，Anthropic的模型已雄踞榜首超過一年——在瞬息萬變的AI行業(yè)里，這個時長仿佛已經(jīng)如十年。
而在Cursor上大獲成功后，Anthropic立馬順勢推出了ClaudeCode，一款集成在終端里的編程工具。
它的用戶量一路飆升，將OpenAI的Codex模型遠遠甩在身后。
為了對達ClaudeCode，谷歌也緊急發(fā)布了GeminiCLI。
它與ClaudeCode功能相似，但因為背靠谷歌TPU，卻有非凡的算力優(yōu)勢——用戶能免費使用的額度，幾乎無上限。
不過，盡管ClaudeCode的性能和設(shè)計都十分出色，價格卻不菲。
Anthropic在編程上的成功，反而給公司帶來了巨大壓力——他們在算力上已經(jīng)捉襟見肘。
這一點，在Claude4Sonnet的API輸出速度上就已經(jīng)體現(xiàn)得淋漓盡致。自發(fā)布以來，它的生成速度已下降了40%，略高于每秒45個Token。
背后的原因，也和DeepSeek如出一轍——為了在有限的算力下處理所有涌入的請求，他們不得不提高批處理的速率。
此外，編程類的使用場景往往涉及更長的對話和更多的Token數(shù)量，這就進一步加劇了算力的緊張狀況。
無論是何種原因，像o3和Gemini2.5Pro這類對標模型的運行速度要快得多，這也反映出OpenAI和谷歌所擁有的算力規(guī)模要龐大得多。
現(xiàn)在，Anthropic正集中精力獲取更多算力，已經(jīng)和亞馬遜達成了協(xié)議。它將獲得超過五十萬枚Trainium芯片，用于模型訓練和推理。
另外，Claude4模型并非在AWSTrainium上預訓練的，而是在GPU和TPU上訓練。
速度劣勢可由效率彌補
Claude的生成速度雖然暴露了其算力上的局限，但總體而言，Anthropic的用戶體驗（UX）要優(yōu)于DeepSeek。
首先，其速度雖然偏低，但仍快于DeepSeek的每秒25個Token。
其次，Anthropic的模型回答同一個問題所需的Token數(shù)量遠少于其他模型。
這意味著，盡管生成速度不占優(yōu)，用戶實際感受到的端到端響應(yīng)時間反而顯著縮短了。
值得一提的是，在所有領(lǐng)先的推理模型中，Claude的總輸出Token量是最低的。
相比之下，Gemini2.5Pro和DeepSeekR10528等模型的輸出內(nèi)容，「啰嗦」程度都是Claude的三倍以上。
Token經(jīng)濟學的這一方面揭示出，服務(wù)商正在從多個維度上改進模型，其目標不再僅僅是提升智能水平，而是致力于提高「每單位Token所承載的智能」。
隨著Cursor、Windsurf、Replit、Perplexity等一大批「GPT套殼」應(yīng)用（或稱由AIToken驅(qū)動的應(yīng)用）迅速流行并獲得主流市場的認可。
我們看到，越來越多的公司開始效仿Anthropic的模式，專注于將Token作為一種服務(wù)來銷售，而不是像ChatGPT那樣以月度訂閱的方式打包。
從此君王不早朝
不用想姜知遙也知道，定是狗皇帝所為，畢竟他不可能容得下悅才人。如今齊王已死，悅才人更是沒有留著的必要。只是為何要用大火掩蓋悅才人的死？賞一杯毒酒不是來的更快？“我聽說那悅才人都被燒成骨頭架子，好幾個宮女都嚇得不行！”怪不得狗皇帝要讓皇貴妃帶著去祈福，恐怕他心中也難安?！澳憔突胤A皇有幫助請點贊||。
獨家收藏《從此君王不早朝》,為神為魔,我的命運自主宰!
3：《從此君王不早朝》作者：我要成仙簡評：一朝車禍，柳凈穿越異世，被迫綁定任務(wù)系統(tǒng)，為了完成任務(wù)回家，她不惜深入那吃人不吐骨頭的后宮去攻略皇帝，可當?shù)弁跚樯顣r，她卻發(fā)現(xiàn)自己早已脫不了身。本文行文流暢，立意獨特，故事有歡樂輕松，也有深沉壓抑，配角性格鮮明，層次豐富，作者用歡快的文風緩緩講述一個后宮是什么。
白居易的詩《長恨歌》譜寫了一曲天上人間心心相印的帝王愛情之歌
在春天的夜晚，星光和月光交織在一起，映照著唐朝繁華的夜色|_。然而，這樣的春夜卻苦短，因為君王在此刻并未早朝，而是沉醉在溫柔鄉(xiāng)中，與美人共度良宵。圖片來自網(wǎng)絡(luò)這個場景成為了唐朝詩人白居易《長恨歌》中的一幕，不僅揭示了唐朝社會的男尊女卑現(xiàn)象，也揭示了唐朝女性的獨特命運。圖片來自網(wǎng)絡(luò)在唐朝，女性的社會有幫助請點贊-_。
延伸閱讀：與 DeepSeek：流量暴跌 AI大模型全球霸主離奇遇冷 2%外媒曝出真相 的相關(guān)文章
育兒補貼制度實施方案發(fā)布
曝“趙四”劉小光兒子家暴
僅一格方塊的空島生存？！
P1-7你明明擁有可以復制萬物的能力,卻依然過著狗都不如的生活
我們女強男弱的情侶關(guān)系，是怎么維持下去的？
50多名猶太少年在西班牙被趕下飛機
為什么明明恐高，但站在高處就有「縱身跳下去」的沖動？
誰能讓我社死，我就V他50
如何看待悲情球王姆巴佩的職業(yè)生涯？
如何評價秦昊在《掃毒風暴》中的表現(xiàn)？
