DeepSeek 要用蜜雪冰城的打法，做中國版 Claude Code
重點摘要
36氪 這篇消息聚焦「DeepSeek 要用蜜雪冰城的打法，做中國版 Claude Code」。原摘要指出：Token 賣出白菜價，DeepSeek 版 Claude Code 要來了。這則內容已被收錄為 AI 情報追蹤項目，後續可從技術進展、產品落地、產業競爭或市場影響等角度持續觀察。
DeepSeek 近期計劃以低價策略進軍 AI 程式開發工具市場，目標是打造類似 Claude Code 的中國版本。這項策略被外界形容為「蜜雪冰城打法」，意味著他們將仿效這家平價茶飲品牌，用極低的 Token 價格來吸引大量開發者。
所謂蜜雪冰城模式，核心就是「以量取勝」，透過壓低單價來搶佔市佔率。DeepSeek 希望藉此讓自家 AI 開發工具快速普及，尤其在價格敏感的台灣與中國開發者社群中建立口碑。
目前市場上已有 OpenAI Codex、GitHub Copilot 與 Claude Code 等付費工具，多數收費偏高。DeepSeek 若以「白菜價」切入，可能迫使競爭對手重新調整定價策略，或推出更實惠的入門方案。
對台灣開發者而言，這項發展可能帶來更容易負擔的 AI 輔助程式碼生成服務。不過，低價是否代表品質妥協，仍值得觀察，特別是在程式碼正確性與安全性方面。
後續可關注 DeepSeek 正式發布的具體 Token 定價、功能對比現有工具的能力差異，以及它是否能在競爭激烈的市場中真正複製蜜雪冰城的成功經驗。
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。