價格狂降75%!DeepSeek V4宣告永久保留折扣，登頂全球AI性價比榜首
重點摘要
DeepSeek宣佈其旗艦大模型V4-Pro永久降價75%，原限時2.5折優惠轉為永久定價。第三方評測顯示，該模型憑藉此降價登頂全球AI性價比榜首，性能碾壓美系競品，凸顯中國AI在成本與效率上的絕對優勢。
**重點整理**
DeepSeek 正式將旗艦模型 V4-Pro 的價格永久下調 75%，原本限時的 2.5 折優惠轉為常態定價。這項調整讓該模型在第三方評測中拿下全球 AI 性價比冠軍，引發市場高度關注。
**背景脈絡**
過去幾個月，DeepSeek 曾以限時折扣吸引開發者測試，如今直接改為永久降價，顯示其對成本與市場份額的積極布局。此舉也呼應了全球 AI 模型價格戰的趨勢——尤其在中美技術競逐中，如何用更低的價格提供接近或超越對手的效能，成為關鍵策略。
**可能影響**
這波降價將進一步拉低企業採用大模型的門檻，可能帶動更多中小型團隊與個人開發者導入 DeepSeek 的服務。對美國同級產品而言，直接面對來自中國 AI 在「單位成本效能」上的強勁挑戰，或將迫使競爭對手調整定價與產品策略。
**讀者可關注的後續**
接下來值得留意的是，其他中國 AI 廠商（如百度、阿里、智譜等）是否會跟進類似永久降價方案，形成新一波價格競爭。同時，DeepSeek 後續的模型迭代更新、以及這波價格調整能否實際轉化為市占率成長，都是觀察重點。
**總結**
DeepSeek V4-Pro 的永久降價不僅是一項商業決策，更凸顯中國 AI 產業在成本控制與效率優化上的競爭力。對於台灣讀者而言，這可能意味著未來取得高品質 AI 服務的費用將持續下降，也提醒企業在評估模型時，除了性能，性價比將成為更關鍵的篩選條件。
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。