DeepSeek官宣永久降價 降幅力度遠超預期 梁文鋒魄力十足
重點摘要
DeepSeek 宣布自 2026 年 5 月 31 日起，DeepSeek-V4-Pro 模型 API 價格將永久調降至原定價的四分之一，降幅遠超預期。此舉可大幅降低用戶使用成本，吸引新用戶，並可能帶動 AI 行業重新評估定價策略。DeepSeek 在領導人梁文鋒的帶領下，展現出強烈的市場魄力與競爭決心。
DeepSeek 官方近日宣布了一項令人驚喜的消息，即將於 2026 年 5 月 31 日結束 2.5 折優惠活動後，DeepSeek-V4-Pro 模型 API 價格將正式調整為原定價的 1/4。這次價格調整的降幅超出了預期，對於使用者來說是一個重大的利好。這項消息也體現了 DeepSeek 的魄力和決心，尤其是梁文鋒的領導。
這次價格調整對於 DeepSeek 的用戶來說是個好消息，因為它能夠降低使用 API 的成本，提高使用效率。同時，這也可能會吸引更多的新用戶加入，進而推動 DeepSeek 的發展。這項措施也體現了 DeepSeek 對於用戶需求的關注和滿足。
DeepSeek 的價格調整也可能會對整個行業產生一定的影響，尤其是在 AI 技術應用方面。其他公司可能會受到這次價格調整的影響，重新評估自己的價格策略，以保持競爭力。這項措施也可能會推動整個行業的發展和創新。
對於用戶來說，關注 DeepSeek 的後續動態和發展是非常重要的。用戶可以關注 DeepSeek 官方的公告和更新，以便及時了解最新的消息和變化。同時，對於有興趣使用 DeepSeek API 的用戶來說，這次價格調整可能是個很好的入手機會。
在未來，DeepSeek 的發展和創新仍然是值得關注的。用戶可以期待 DeepSeek 繼續推出新的技術和服務，同時也可以關注其他公司的反應和應對措施。這項價格調整只是 DeepSeek 發展道路上的一個里程碑，後續的發展仍然值得期待。
這次價格調整也體現了 DeepSeek 的自信和實力，尤其是在 AI 技術應用方面。DeepSeek 的領導團隊，尤其是梁文鋒，展現了魄力和決心，推動公司的發展和創新。這項措施也可能會對整個行業產生深遠的影響，推動 AI 技術的應用和發展。
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。