DeepSeek V4 把 AI 價格戰推向新階段：開源權重、低價推理與地緣政治的三重衝擊

【 AI 新聞 ｜ 編輯：Sandy】

中國 AI 公司 DeepSeek 在 2026 年 4 月 24 日預覽新一代 DeepSeek V4 系列模型後，全球生成式 AI 市場的競爭重心再度被拉回一個熟悉卻更尖銳的問題：若接近前沿模型的能力能以大幅低於美國閉源巨頭的價格取得，AI 產業的商業模式還能維持多久。根據 TechCrunch 的〈DeepSeek previews new AI model that ‘closes the gap’ with frontier models〉（https://techcrunch.com/2026/04/24/deepseek-previews-new-ai-model-that-closes-the-gap-with-frontier-models/），DeepSeek 推出兩款 V4 預覽模型，V4 Flash 與 V4 Pro，主打開放權重、長上下文與低推理成本，其中 V4 Pro 被描述為在部分推理與程式能力測試中已接近 GPT-5.4、Claude Opus 4.7 等前沿模型，而成本約為對手的一小部分。這不是一次單純的模型升級，而是一次對 AI 定價、算力效率與技術主權的集體壓力測試。

兩款模型的核心：更大的 MoE、更長的上下文、更便宜的 API

DeepSeek V4 系列採用 mixture-of-experts，也就是混合專家架構。這類設計的邏輯並不神祕：模型擁有龐大的總參數，但每次推理只啟用其中一部分參數，因此能在維持能力的同時降低推理成本。TechCrunch 報導指出，V4 Pro 擁有 1.6 兆總參數、每次啟用約 490 億參數；V4 Flash 則是 2840 億總參數、每次啟用約 130 億參數。兩者都支援 100 萬 token 的上下文視窗，這意味著大型程式碼庫、長篇技術文件、企業法務合約或多檔研究資料，理論上可在同一次提示中被納入分析。

Hugging Face 的 DeepSeek-V4 模型集合頁面（https://huggingface.co/collections/deepseek-ai/deepseek-v4）顯示，DeepSeek 已列出 V4 Flash、V4 Flash Base、V4 Pro 與 V4 Pro Base 等模型。這種釋出方式延續 DeepSeek 過去以開放權重吸引開發者、研究者與企業試用的策略。與 OpenAI、Anthropic、Google 等主要採取閉源 API 的公司不同，DeepSeek 的開放權重讓企業與開發者更容易在本地或私有雲環境中測試部署，也讓第三方更容易進行微調、壓縮與專用化改造。

價格是此次發布最具殺傷力的訊號之一。TechCrunch 報導稱，V4 Flash 的價格為每百萬輸入 token 0.14 美元、每百萬輸出 token 0.28 美元；V4 Pro 則為每百萬輸入 token 0.145 美元、每百萬輸出 token 3.48 美元。Reuters 在〈China's DeepSeek slashes prices for new AI model〉（https://www.reuters.com/world/china/chinas-deepseek-slashes-prices-new-ai-model-2026-04-27/）中進一步報導，DeepSeek 還對 V4 Pro 提供至 5 月 5 日的開發者折扣，並將 API 快取命中價格大幅下修。若說 2025 年的 DeepSeek R1 讓市場重新思考「訓練成本」，V4 則是在逼問另一個更日常的問題：企業真正願意為每一次推理支付多少錢。

技術進步不只在模型大小，也在部署效率

DeepSeek V4 的產業意義，不在於它是否在每一項基準測試都擊敗 GPT、Gemini 或 Claude，而在於它把「可用的高階能力」拉向更低價格帶。大型語言模型的商業化瓶頸往往不在展示，而在規模化使用。企業若要把 AI 放進客服、程式審查、資料分析、法遵檢查、內部知識管理與代理式工作流程，每天可能產生數十億甚至數百億 token 的消耗。單次使用看似便宜，但當 AI 從展示產品變成基礎設施，價格差距會迅速變成利潤差距。

V4 的 100 萬 token 上下文也值得注意。長上下文近年已從炫技功能轉向企業採購時的重要指標，因為它能減少資料切片、向量檢索與多輪拼接的工程成本。不過，長上下文並不等於可靠理解。模型是否能在百萬 token 中準確抓取關鍵證據、避免被無關資訊干擾、維持推理一致性，仍取決於注意力機制、資料訓練品質與評測設計。DeepSeek 將長上下文與低價推理綁在一起，確實提高了企業試用誘因，但也會迫使客戶更重視實際任務測試，而不是只看排行榜分數。

另一個被 Reuters 特別提及的面向，是 DeepSeek V4 對華為晶片技術的適配。若此一方向持續成形，DeepSeek 的價值就不只是模型公司，而是中國 AI 軟硬體生態的一個接口。在美國出口管制與高階 GPU 供應受限的背景下，中國公司若能把模型架構、推理框架與本土晶片結合，將有助於降低對 Nvidia 供應鏈的依賴。這並不表示中國已完全擺脫高階算力瓶頸，但它說明競爭正在從「誰有最大模型」轉向「誰能在受限條件下形成可運轉的產業系統」。

美國巨頭仍握有閉源前沿，但價格護城河變薄

與 DeepSeek 的開放權重路線相比，美國 AI 巨頭仍以閉源模型、訂閱服務、企業整合與雲端平台維持主導地位。OpenAI 在官方〈Introducing GPT-5.5〉（https://openai.com/index/introducing-gpt-5-5/）中表示，GPT-5.5 已向 ChatGPT Plus、Pro、Business 與 Enterprise 用戶推出，並強調其在複雜目標理解、工具使用與工作流執行上的能力。Google 則透過 Gemini 3.1 Pro、Veo、Deep Research 與 Google Workspace 生態，把模型能力包進搜尋、文件、影音與雲端服務中。Anthropic 則繼續押注 Claude 在安全、企業可信度與長任務代理上的形象。

這些公司並非單靠模型 API 競爭。OpenAI 的優勢在於 ChatGPT 的消費者入口與開發者生態，Google 的優勢在於搜尋、Android、YouTube、雲端與企業資料，Anthropic 的優勢則在於企業安全敘事與與雲端平台的合作。DeepSeek 的低價策略因此不是直接摧毀美國巨頭，而是削弱它們在純模型能力上的溢價。當開源權重模型在程式、推理與代理任務上逼近閉源前沿，客戶會開始把問題從「哪個模型最強」改成「哪個模型在這項任務的每美元產出最高」。

這正是 V4 最值得關注之處。若 V4 Pro 能以約六分之一成本提供接近前沿模型的能力，它會迫使雲端平台、企業 AI 代理服務與中小型開發者重新計算成本結構。對新創公司而言，模型價格下降等於產品毛利改善；對大型企業而言，則可能加速 AI 從少數高價試點進入大量內部流程。價格戰通常會壓縮模型公司的利潤，但也會擴大整體需求，類似雲端運算早期降價促成更多工作負載上雲的歷史。

中國、美國與歐洲的不同戰場

從國際視角看，DeepSeek V4 的發布映照出三套不同的 AI 發展邏輯。中國正在把低成本、高效率與開放權重作為突破口，並試圖在晶片受限的條件下建立本土化堆疊。DeepSeek、Moonshot、MiniMax、阿里 Qwen 等公司形成了快速迭代的模型群，彼此競爭也共同推低市場價格。這種競爭環境對開發者有利，卻也使商業化壓力更高，因為模型本身越來越像可替換的基礎設施。

美國的路線則更像垂直整合。OpenAI、Google、Anthropic、Meta 與 Microsoft 的競爭不只在模型參數與排行榜，也在雲端算力、辦公軟體、搜尋入口、裝置作業系統與企業採購流程。Meta 的開源策略與 DeepSeek 有相似之處，但美國其他前沿公司更傾向以閉源方式保護模型能力與資料優勢。這使美國仍掌握最強的資本、晶片與平台入口，但也更容易遭遇反壟斷、監管與成本壓力。

歐洲則把重心放在治理與市場公平。歐盟的 AI Act 與一般用途 AI 模型規則，正在把透明度、版權、系統性風險與責任義務納入 AI 產業的基本成本。根據歐盟網站〈The General-Purpose AI Code of Practice〉（https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai），相關準則涵蓋透明度、版權、安全與資安章節，意在協助一般用途 AI 模型供應商遵循 AI Act。對 DeepSeek 這類開放權重模型而言，歐洲市場的機會在於企業希望避免過度依賴美國平台；挑戰則在於資料來源、模型安全、版權合規與風險文件可能面臨更高審查。

低價發布背後的陰影：蒸餾、智慧財產與信任成本

DeepSeek V4 的發布同時被一場更大的爭議包圍。TechCrunch 報導指出，美國方面近期指控中國 AI 實驗室以代理帳號大規模竊取美國模型能力，DeepSeek 也被 OpenAI 與 Anthropic 指控涉及所謂 distillation，也就是透過強模型輸出訓練較小或自家模型。Anthropic 在官方〈Detecting and preventing distillation attacks〉（https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks）中稱，DeepSeek、Moonshot 與 MiniMax 透過約 2.4 萬個疑似詐欺帳號，與 Claude 產生超過 1600 萬次互動；Anthropic 並指稱 DeepSeek 相關活動超過 15 萬次交換，目標包括推理、評分與政策敏感內容的替代表述。

這裡必須區分兩件事。蒸餾本身是 AI 產業常見且合法的技術，許多公司會用自家大模型訓練更小、更便宜的模型。但若競爭者違反服務條款、規避地域限制或使用假帳號大規模擷取他人模型輸出，問題就從技術方法轉為商業倫理、智慧財產與國安爭議。DeepSeek 尚未在公開資訊中完整回應所有指控，而相關指控也需要更多獨立驗證；但對企業採購者而言，信任成本已經形成。開放權重與低價可以吸引開發者，卻不能自動消除來源合規、安全審查與政治風險。

這種爭議也會影響 AI 的全球化。若美國企業認為中國模型能力部分來自未授權蒸餾，華府可能進一步加強出口管制、API 存取限制與雲端服務審查。若中國企業認為美國以智慧財產與安全名義維持技術霸權，則會加速本土替代與模型自主。結果可能不是全球 AI 市場更開放，而是逐步分裂成美國、中國與歐洲三套規則、供應鏈與信任體系。

市場反應不再震撼，反而說明競爭已常態化

Reuters 在〈DeepSeek's new AI model does not wow markets in fast-changing industry〉（https://www.reuters.com/world/china/deepseeks-new-ai-model-does-not-wow-markets-fast-changing-industry-2026-04-27/）中指出，與 DeepSeek 前一年推出低成本模型時引發市場震盪相比，V4 這次並未造成同樣程度的驚訝。這一點比股價短期反應更有意思。當市場不再因中國模型接近美國前沿而震驚，代表「高效率追趕」已不再是黑天鵝，而是 AI 產業的新常態。

對投資人而言，這意味著模型能力本身的稀缺性正在下降。若每隔數月就有新模型追上前一代前沿水準，模型公司必須證明的就不只是基準測試，而是分發能力、客戶黏著度、資料閉環、工具生態與合規能力。對企業用戶而言，這是好消息也是麻煩。好消息是價格更低、選擇更多；麻煩是模型替換速度變快，採購、資安、法遵與系統整合都需要更動態的評估機制。

產業意義：AI 正從神壇走向水電化

DeepSeek V4 讓 AI 產業更接近一個水電化的未來：模型仍然重要，但單位成本、穩定供應、部署彈性與法規風險會和能力一樣重要。當推理價格下降，更多應用會從「偶爾使用 AI」轉向「預設由 AI 參與」。客服不只回答問題，還能執行退款與流程追蹤；程式工具不只補全程式碼，還能理解整個儲存庫；企業搜尋不只找文件，還能把文件變成可執行建議。V4 的長上下文與低價，正好對準這些高 token 消耗場景。

然而，中長期影響不會只有樂觀一面。低價可能讓更多低品質 AI 應用湧入市場，增加錯誤資訊、自動化垃圾內容與安全濫用的風險。開放權重有助於透明研究與本地部署，但也可能降低濫用門檻。企業若為了省成本採用能力接近但治理較弱的模型，短期看似降低支出，長期可能增加資料外洩、合規調查與品牌風險。模型價格越便宜，治理與評估反而越重要。

一場不只關於 DeepSeek 的發布

DeepSeek V4 的真正訊息，不是中國又推出了一個強模型，而是 AI 產業的競爭已進入「能力接近、成本分化、規則衝突」的新階段。美國公司仍掌握最強平台與前沿閉源模型，中國公司正在以效率、價格與開放權重追趕，歐洲則試圖把規則制定成競爭優勢。DeepSeek 這次把模型性能、價格戰與地緣政治爭議綁在同一個發布週期裡，提醒市場：AI 的下一輪競爭不會只由技術排行榜決定，也會由晶片、法規、信任與每百萬 token 的價格共同決定。

V4 是否會成為企業大規模採用的轉折點，仍取決於更多獨立評測、實際部署表現與爭議回應。但可以確定的是，它正在推動一個更不舒服也更現實的問題：當前沿能力逐步商品化，AI 公司究竟靠什麼維持護城河。答案或許不在下一個更大的模型，而在誰能把模型變成便宜、可靠、合規且無處不在的基礎設施。這場競賽才剛開始，而 DeepSeek V4 只是把發令槍聲音放得更大。