曾以低价高性能震撼市场的DeepSeek，为何在自家平台遇冷，市场份额下滑？背后隐藏的「Token经济学」和这场精心策划的战略转移，正悄然改变着AI的价值链与分发模式。

最近，全世界的大厂都在蠢蠢欲动了！

GPT-5、Grok 4，甚至Claude，都已经纷纷有了消息，一场恶战仿佛就在眼前！

DeepSeek这边，似乎也有新动静了。

就在昨天，一个疑似DeepSeek的新模型现身LM Arena。

也有人猜测，这个模型更可能是DeepSeek V4，而DeepSeek R2会稍后发布。

套路很可能和之前是一样的，先在第一个月发布V3，然后在下个月发布R1。

所以，曾经轰动全球AI圈的中国大模型DeepSeek R1，如今怎样了？

到今天为止，DeepSeek R1已经发布超过150天了。

当时一经问世，它就以OpenAI同等级的推理能力和低90%的价格而迅速出圈，甚至一度撼动了西方的资本市场。

可是如今，它在用户留存和官网流量上却双双遇冷，市场份额持续下滑。

DeepSeek就这样昙花一现，红极一时后迅速衰落了？

其实不然，在这背后，其实隐藏着另一条增长曲线——

在第三方平台上，R1已经成爆炸性增长，这背后，正是折射出AI模型分发与价值链的悄然变革。

SemiAnalysis今天发布的这篇文章，挖出了不少一手的内幕信息。

DeepSeek，盛极而衰？

DeepSeek发布后，消费者应用的流量一度激增，市场份额也随之急剧上升。

为此，SemiAnalysis做出了下面这份统计曲线。

当然，他们也承认，由于中国的用户活动数据难以追踪，且西方实验室在中国无法运营，下面这些数据实际上低估了DeepSeek的总覆盖范围。

不过即便如此，曾经它爆炸性的增长势头也未能跟上其他AI应用的步伐，可以确定，DeepSeek的市场份额此后已然下滑。

而在网络浏览器流量方面，它的数据就更为惨淡了：绝对流量一直在下降，但其他顶尖模型的用户数却噌噌飞涨，十分可观。

不过，虽然DeepSeek自家托管模型的用户增长乏力，但在第三方平台那里，就完全是冰火两重天了。

可以看到，R1和V3模型的总使用量一直在持续快速增长，自R1首次发布以来，已经增长将近20倍！

如果进一步深挖数据，就会发现：只看由DeepSeek自己托管的那部分Token流量，那它在总Token中的份额的确是逐月下降的。

那么，问题来了：为何在DeepSeek模型本身越来越受欢迎、官方价格非常低廉的情况下，用户反而从DeepSeek自家的网页应用和API流失，转向了其他开源提供商呢？

SemiAnalysis点出了问题关键——

答案就在于「Token经济学」，以及在平衡模型服务的各项KPI时所做的无数权衡。

这些权衡意味着，每个Token的价格并非一个孤立的数字，而是模型提供商根据其硬件和模型配置，在对各项KPI进行决策后得出的最终结果。

Token经济学基础

我们都知道，Token是构成AI模型的基本单元。AI模型通过读取以Token为单位的互联网信息进行学习，并以文本、音频、图像或行为指令等Token形式生成输出。

所谓Token，就是像「fan」、「tas」、「tic」这样的小文本片段。LLM在处理文本时，并非针对完整的单词或字母，而是对这些片段进行计数和处理。

这些Token，便是老黄口中数据中心「AI工厂」的输入和输出。

如同实体工厂一样，AI工厂也遵循一个「P x Q」（价格 x 数量）的公式来盈利：其中，P代表每个 Token的价格，Q代表输入和输出Token的总量。

但与普通工厂不同，Token的价格是一个可变参数，模型服务商可以根据其他属性来设定这个价格。

以下，就是几个关键的性能指标（KPI）。

延迟（Latency）或首个Token输出时间（Time-to-First-Token）

指模型生成第一个Token所需的时长。这也可以理解为模型完成「预填充」阶段（即将输入提示词编码到KVCache中）并开始在「解码」阶段生成第一个Token所需的时间。

吞吐量（Throughput）或交互速度（Interactivity）

指生成每个Token的速度，通常以「每个用户每秒可生成的Token数量」来衡量。

当然，有些服务商也会使用其倒数——即生成每个输出Token的平均间隔时间（Time Per Output Token, TPOT）。

人类的阅读速度约为每秒3-5个单词，而大部分模型服务商设定的输出速度约为每秒20-60个Token。

上下文窗口（Context Window）

指在模型「遗忘」对话的早期部分、并清除旧的Token之前，其「短期记忆」中能够容纳的Token数量。

不同的应用场景需要大小各异的上下文窗口。

例如，分析大型文档和代码库时，就需要更大的上下文窗口，以确保模型能够对海量数据进行连贯的推理。

对于任何一个给定的模型，你都可以通过调控这三大KPI，设定出几乎任何价位的单位Token价格。

因此，单纯基于「每百万Token的价格」（$/Mtok）来讨论优劣，并没有什么意义，因为这种方式忽略了具体工作负载的性质，以及用户对Token的实际需求。

DeepSeek的策略权衡

所以，DeepSeek在R1模型服务上采用了何种Token经济学策略，以至于市场份额会不断流失？

通过对比延迟与价格的关系图，可以看到，在同等延迟水平上，DeepSeek的自有服务已不再是价格最低的选择。

事实上，DeepSeek之所以能提供如此低廉的价格，一个重要原因在于，用户等待数秒后，才能收到模型返回的第一个Token。

相比之下，其他服务商的延迟会短得多，价格却几乎没有差别。

也就是说，Token消费者只需花费2-4美元，就能从Parasail或Friendli这类服务商那里，获得近乎零延迟的体验。

同样，微软Azure的服务价格虽比DeepSeek高2.5倍，但延迟却减少了整整25秒。

这样看来，DeepSeek现在面临的处境就尤为严峻了。

原因在于，现在几乎所有托管R1 0528模型的实例都实现了低于5秒的延迟。

沿用同一图表，但这次我们将上下文窗口的大小用气泡面积来表示。

从中可以看到，DeepSeek为了用有限的推理算力资源来提供低价模型，所做的另一项权衡。

他们采用的64K上下文窗口，几乎是主流模型服务商中最小的之一。

较小的上下文窗口限制了编程等场景的发挥，因为这类任务需要模型能够连贯地记忆代码库中的大量Token，才能进行有效推理。

从图表中可见，若花费同样的价格，用户可以从Lambda和Nebius等服务商那里获得超过2.5倍的上下文窗口大小。

如果深入硬件层面，在AMD和英伟达芯片上对DeepSeek V3模型的基准测试，就可以看清服务商是如何确定其「每百万Token价格」（$/Mtok）的——

模型服务商会通过在单个GPU或GPU集群上同时处理更多用户的请求（即「批处理」），来降低单位Token的总成本。

这种做法的直接后果，就是终端用户需要承受更高的延迟和更慢的吞吐量，从而导致用户体验急剧下降。

之所以DeepSeek完全不关心用户的体验到底如何，实际上是一种主动作出的战略选择。

毕竟，从终端用户身上赚钱，或是通过聊天应用和API来消耗大量Token，并不是他们的兴趣所在。

这家公司的唯一焦点就是实现AGI！

而通过采用极高批处理方式，DeepSeek可以最大限度地减少用于模型推理和对外服务的计算资源消耗，从而将尽可能多的算力保留在公司内部，从而用于研发。

另外还有一点：出口管制也限制了中国AI生态系统在模型服务方面的能力。

因此，对DeepSeek而言，开源就是最合乎逻辑的选择：将宝贵的计算资源留作内部使用，同时让其他云服务商去托管其模型，以此赢得全球市场的认知度和用户基础。

不过，SemiAnalysis也承认，这却并没有削弱中国公司训练模型的能力——无论是腾讯、阿里、百度，还是小红书最近发布的新模型，都证明了这一点。

Anthropic也一样？

和DeepSeek一样，Anthropic的算力也是同样受限的。

可以看到，它产品研发的重心显然放在了编程上，而且已经在Cursor等应用中大放异彩。

Cursor的用户使用情况，就是评判模型优劣的终极试金石，因为它直接反映了用户最关心的两个问题——成本与体验。

而如今，Anthropic的模型已雄踞榜首超过一年——在瞬息万变的AI行业里，这个时长仿佛已经如十年。

而在Cursor上大获成功后，Anthropic立马顺势推出了Claude Code，一款集成在终端里的编程工具。

它的用户量一路飙升，将OpenAI的Codex模型远远甩在身后。

为了对达Claude Code，谷歌也紧急发布了Gemini CLI。

它与Claude Code功能相似，但因为背靠谷歌TPU，却有非凡的算力优势——用户能免费使用的额度，几乎无上限。

不过，尽管Claude Code的性能和设计都十分出色，价格却不菲。

Anthropic在编程上的成功，反而给公司带来了巨大压力——他们在算力上已经捉襟见肘。

这一点，在Claude 4 Sonnet的API输出速度上就已经体现得淋漓尽致。自发布以来，它的生成速度已下降了40%，略高于每秒45个Token。

背后的原因，也和DeepSeek如出一辙——为了在有限的算力下处理所有涌入的请求，他们不得不提高批处理的速率。

此外，编程类的使用场景往往涉及更长的对话和更多的Token数量，这就进一步加剧了算力的紧张状况。

无论是何种原因，像o3和Gemini 2.5 Pro这类对标模型的运行速度要快得多，这也反映出OpenAI和谷歌所拥有的算力规模要庞大得多。

现在，Anthropic正集中精力获取更多算力，已经和亚马逊达成了协议。它将获得超过五十万枚Trainium芯片，用于模型训练和推理。

另外，Claude 4模型并非在AWS Trainium上预训练的，而是在GPU和TPU上训练。

速度劣势可由效率弥补

Claude 的生成速度虽然暴露了其算力上的局限，但总体而言，Anthropic的用户体验（UX）要优于 DeepSeek。

首先，其速度虽然偏低，但仍快于DeepSeek的每秒25个Token。

其次，Anthropic的模型回答同一个问题所需的Token数量远少于其他模型。

这意味着，尽管生成速度不占优，用户实际感受到的端到端响应时间反而显著缩短了。

值得一提的是，在所有领先的推理模型中，Claude的总输出Token量是最低的。

相比之下，Gemini 2.5 Pro和DeepSeek R1 0528等模型的输出内容，「啰嗦」程度都是Claude的三倍以上。

Token经济学的这一方面揭示出，服务商正在从多个维度上改进模型，其目标不再仅仅是提升智能水平，而是致力于提高「每单位Token所承载的智能」。

随着Cursor、Windsurf、Replit、Perplexity等一大批「GPT套壳」应用（或称由AI Token驱动的应用）迅速流行并获得主流市场的认可。

我们看到，越来越多的公司开始效仿Anthropic的模式，专注于将Token作为一种服务来销售，而不是像ChatGPT那样以月度订阅的方式打包。

大行高歌猛进中小银行疲态尽显，零售银行“二元分化”格局已确认，错位竞争与博弈还将延续财联社9月4日讯（记者梁柯志）42家上市银行中报发布尘埃落定，在近期的业绩会上，零售业务成了各家高管无法回避的热点和痛点。中报数据显示，六大行的零售业务总体齐头并进，在规模和网点的加持下，个人消费和经营贷均获得明显增长，争得银行业零售业务半壁江山