DeepSeek V4 在中國 AI 競賽中擁有 40 倍成本優勢

摩根大通（JPMorgan Chase & Co.）調查發現，DeepSeek 新推出的 V4 大語言模型在結構性成本上比競爭對手高出多達 40 倍，這一差距重塑了中國人工智能領導者 KNOWLEDGE ATLAS 和 MINIMAX-W 的競爭格局。這種性能差距源於 DeepSeek 在其自有基礎設施上運行模型，這種第一方優勢是使用第三方雲渠道的對手無法比擬的。

摩根大通的一份報告稱：「DeepSeek V4-Pro 的促銷價格現在定義了低成本的前沿，而 GLM-5.1 則錨定了偏好端。模型權重可以自由分配，但成本曲線卻不能。」

該行對 V4 發布以來的增量數據分析顯示，DeepSeek 官方 API 與第三方雲服務在快取命中（cache-hit）輸入性能上存在 40 倍的差距。這種在字首快取重用、流量密度和計算分配方面的效率，在市場中建立了一個新的低成本層級。根據 OpenRouter 的數據，V4 的使用量正在上升，而來自 KNOWLEDGE ATLAS (GLM)、MiniMax 甚至舊版 DeepSeek 的現有模型並未出現廣泛下滑，這表明市場正在擴張而非整合。

報告為兩家主要的 AI 上市公司勾勒出了新的戰略挑戰。對於 KNOWLEDGE ATLAS 而言，其變現能力現在取決於擴大其模型領先地位以證明其更高的價格。對於 MINIMAX-W 而言，其在基礎設施性能方面的歷史優勢現在正面臨直接挑戰。摩根大通給予這兩家公司「超配」評級，KNOWLEDGE ATLAS 的目標價為 950 港元，MINIMAX-W 的目標價為 1,100 港元，這顯示了對其適應能力的信心，但也強調了壓力的增加。

KNOWLEDGE ATLAS 的溢價策略

KNOWLEDGE ATLAS 現在必須擴大其性能領先優勢以捍衛其定價。其 GLM-5.1 模型目前在評估中領先於 DeepSeek 的 V4，使其成為對質量敏感用戶的首選。摩根大通表示，為了維持這一地位，下一個 GLM 週期需要在複雜的、與工作流相關的任務（如基於代理的代碼編寫和長上下文推理）中擴大優勢，在這些任務中，質量和可靠性比代幣（token）成本更重要。如果不能擴大這一領先優勢，可能會迫使它將價格敏感型市場讓給 DeepSeek，從而保留一個規模更小、利潤更高的業務。

MINIMAX-W 的經濟挑戰

歷來在吞吐量和延遲方面競爭的 MINIMAX-W 面臨著更直接的壓力。DeepSeek 在高效的第一方技術棧上推出的新型低成本、百萬上下文 API，抵消了 MiniMax 傳統上由基礎設施驅動的價值主張。據摩根大通稱，MiniMax M2.7 模型的繼任者需要證明其在任務完成經濟性方面有顯著提升——即通過更少的週期和重試來實現更低總成本——以維持其針對 V4 繼任者的差異化優勢。

本文僅供參考，不構成投資建議。