如果你关注AI，一定对DeepSeek的价格感到震惊过。当Claude Opus 4.6的输出价格是$75/百万token、GPT-5.4是$30的时候，DeepSeek的同等能力模型API价格可以低到$1以下——差距几十倍。这不是营销噱头，而是真实存在的定价。那么问题来了：DeepSeek是怎么做到的？它的低价是可持续的吗？
技术层面：架构创新带来的效率提升
稀疏注意力机制（NSA）
传统Transformer的注意力机制是”全量计算”——每个token要和所有其他token做计算，计算量随序列长度的平方增长，非常耗算力。DeepSeek在V3和V4版本中引入了NSA（Native Sparse Attention），让模型只关注”最相关”的部分token，大幅减少无效计算。简单类比：传统方法是让一个人把整本字典从头到尾读一遍才能回答问题，NSA是让他直接跳到相关章节。效率差距是数量级的。
MoE（混合专家）架构
DeepSeek采用MoE（Mixture of Experts）架构，模型虽然参数量大，但每次推理只激活一小部分”专家模块”，而不是全量激活所有参数。这意味着同样的硬件，DeepSeek能处理更多请求，推理成本自然摊薄。
商业层面：中国算力成本优势
除了技术，商业环境也很重要。中国的服务器运维成本、电力成本、人力成本都低于美国。DeepSeek在国内IDC部署，这些成本优势直接体现在定价上。另外，DeepSeek有国内企业市场作为基本盘，API定价可以更激进——用低价快速占领市场份额。
低价可持续吗？
老达的判断是：短期内可持续，长期存在不确定性。支持可持续的因素：技术效率优势是真实的，不是靠补贴硬撑；国内市场规模足够大。不确定因素：芯片出口限制持续影响DeepSeek扩展算力的速度。
对普通用户意味着什么？
DeepSeek的低价，本质上在重塑整个AI API市场的定价预期。OpenAI和Anthropic已经感受到压力，多次降价。对于开发者和企业用户，这是实实在在的红利——同等预算能跑更多请求，AI应用的门槛在降低。如果你还没用过DeepSeek的API，建议试试，性价比确实出乎意料地高。
