DeepSeek V4 在中国 AI 竞赛中拥有 40 倍成本优势

摩根大通（JPMorgan Chase & Co.）调查发现，DeepSeek 新推出的 V4 大语言模型在结构性成本上比竞争对手高出多达 40 倍，这一差距重塑了中国人工智能领导者 KNOWLEDGE ATLAS 和 MINIMAX-W 的竞争格局。这种性能差距源于 DeepSeek 在其自有基础设施上运行模型，这种第一方优势是使用第三方云渠道的对手无法比拟的。

摩根大通的一份报告称：“DeepSeek V4-Pro 的促销价格现在定义了低成本的前沿，而 GLM-5.1 则锚定了偏好端。模型权重可以自由分配，但成本曲线却不能。”

该行对 V4 发布以来的增量数据分析显示，DeepSeek 官方 API 与第三方云服务在缓存命中（cache-hit）输入性能上存在 40 倍的差距。这种在字首缓存重用、流量密度和计算分配方面的效率，在市场中建立了一个新的低成本层级。根据 OpenRouter 的数据，V4 的使用量正在上升，而来自 KNOWLEDGE ATLAS (GLM)、MiniMax 甚至旧版 DeepSeek 的现有模型并未出现广泛下滑，这表明市场正在扩张而非整合。

报告为两家主要的 AI 上市公司勾勒出了新的战略挑战。对于 KNOWLEDGE ATLAS 而言，其变现能力现在取决于扩大其模型领先地位以证明其更高的价格。对于 MINIMAX-W 而言，其在基础设施性能方面的历史优势现在正面临直接挑战。摩根大通给予这两家公司“超配”评级，KNOWLEDGE ATLAS 的目标价为 950 港元，MINIMAX-W 的目标价为 1,100 港元，这显示了对其适应能力的信心，但也强调了压力的增加。

KNOWLEDGE ATLAS 的溢价策略

KNOWLEDGE ATLAS 现在必须扩大其性能领先优势以捍卫其定价。其 GLM-5.1 模型目前在评估中领先于 DeepSeek 的 V4，使其成为对质量敏感用户的首选。摩根大通表示，为了维持这一地位，下一个 GLM 周期需要在复杂的、与工作流相关的任务（如基于代理的代码编写和长上下文推理）中扩大优势，在这些任务中，质量和可靠性比代币（token）成本更重要。如果不能扩大这一领先优势，可能会迫使它将价格敏感型市场让给 DeepSeek，从而保留一个规模更小、利润更高的业务。

MINIMAX-W 的经济挑战

历来在吞吐量和延迟方面竞争的 MINIMAX-W 面临着更直接的压力。DeepSeek 在高效的第一方技术栈上推出的新型低成本、百万上下文 API，抵消了 MiniMax 传统上由基础设施驱动的价值主张。据摩根大通称，MiniMax M2.7 模型的继任者需要证明其在任务完成经济性方面有显著提升——即通过更少的周期和重试来实现更低的总成本——以维持其针对 V4 继任者的差异化优势。

本文仅供参考，不构成投资建议。