GPT 6 Luna 比 DeepSeek V4.1 Flash 更便宜，竟然没人注意到？

GPT-6 Luna 比 DeepSeek 便宜——但价格比较中存在一些问题。

DeepSeek 曾被认为是价格领先者——现在 OpenAI 在许多查询方面更便宜

DeepSeek 长期以来被视为经济实惠的 AI 典范。但 OpenAI 推出的 GPT-6 Luna 却出人意料地颠覆了定价格局：在常规 API 方案下，Luna 的单次输入令牌和单次响应成本均低于 DeepSeek V4.1 Flash——即使在这家中国供应商的最佳优惠时段也是如此。因此，对于许多典型任务，OpenAI 可以提供更低的价格。然而，这并不意味着 Luna 总是更经济的选择。DeepSeek 的优势在于其极低的缓存命中成本、高速运行以及可自主管理的开放模型权重。因此，最终哪个模型更经济不仅取决于单次令牌的价格，还取决于上下文长度、输入重用比例、运行时间、所需性能以及运行模式。详细的比较揭示了 GPT-6 Luna 的实际成本优势所在，以及 DeepSeek 可能仍然是更佳选择的情况。.

人工智能奖项的领先者突然来自美国。

中国的价格优势已经消失了——至少在发票上是这样。

GPT-6 Luna 在其标准编程接口下的成本低于 DeepSeek V4.1 Flash。这一发现乍一看像是计算错误，因为它与几个月来根深蒂固的人工智能市场主流观点相悖：西方顶级模型被认为功能强大但价格昂贵，而中国供应商则凭借极具竞争力的价格、开放的模型权重和高效率脱颖而出。然而，对于目前最引人注目的两款高效模型而言，这种格局已经发生了改变。OpenAI 使用 GPT-6 Luna 对 100 万个未缓存的输入令牌收费 0.10 美元，对 100 万个输出令牌收费 0.50 美元。DeepSeek 使用 V4.1 Flash 在非高峰时段对输入收取 0.15 美元，对输出收取 0.60 美元。在规定的高峰时段，DeepSeek 的价格甚至分别上涨至 0.30 美元和 1.20 美元。.

这意味着 GPT-6 Luna 的新输入代币常规价格比 DeepSeek 最便宜的直接套餐低三分之一。对于输出代币，价格差异约为 16.7%。与 DeepSeek 的顶级套餐相比，Luna 的输入价格大约便宜 66.7%，输出价格大约便宜 58.3%。这并非微不足道的四舍五入差异，而是明显的价格逆转。它恰好影响到许多生产应用账单中占比最大的两项：新处理的上下文和生成的内容。.

“Luna 更便宜，却几乎无人察觉”这种说法虽然颇具争议，但并非毫无道理。然而，我们需要对此进行重要的澄清。较低的标价并不意味着 Luna 在所有应用中都是更经济的选择。DeepSeek 在读取缓存输入方面具有显著优势，可以自托管，并且在一些高要求任务中展现出更高的性能和更低的延迟。因此，更准确的说法是：在大多数常用 API 的调用频率下，GPT-6 Luna 的价格低于 DeepSeek V4.1 Flash，但实际的成本优势取决于上下文长度、缓存大小、运行时间、输出长度、质量目标和运行模式。.

冷静审视价格表

标准费率最初呈现出异常清晰的格局。GPT-6 Luna 的普通输入费用为每百万个 token 0.10 美元，已缓存输入费用为每百万个 token 0.01 美元，输出费用为每百万个 token 0.50 美元。写入缓存的费用为每百万个 token 0.125 美元。而 DeepSeek V4.1 Flash 则区分高峰时段和非高峰时段。非高峰时段，其新输入费用为每百万个 token 0.15 美元，缓存命中费用为每百万个 token 0.003 美元，输出费用为每百万个 token 0.60 美元。高峰时段，这些费用将翻倍，分别达到每百万个 token 0.30 美元、0.006 美元和 1.20 美元。.

DeepSeek 的使用高峰时段为周一至周五凌晨 1:00 至 4:00 以及上午 6:00 至 10:00（协调世界时 (UTC)）。对于德国而言，这通常意味着 10 月份的清晨和上午晚些时候/中午时段，具体时间取决于当时是夏令时还是冬令时。周末和中国节假日则被视为非高峰时段。这种定价结构有利于灵活的批量处理，而不利于那些需要持续实时流量的应用。因此，一个主要在德国办公时间内运营的欧洲客户服务部门，其大部分使用量可能会集中在价格较高的时段。相反，夜间文档处理可以始终以标准价格的一半进行。.

OpenAI 的标准定价消除了这种受时间段影响的不确定性。此外，它还提供 Flex 和 Batch 模式，每种模式的价格约为标准价格的一半。对于异步任务，Luna 的理论价格可以降至每百万输入令牌 0.05 美元和每百万输出令牌 0.25 美元。相反，加速模式的价格约为标准价格的两倍。区域处理也可能产生额外费用。因此，看似简单的模型比较实际上是对价格、部署方式、区域、时间窗口和工作负载的综合比较。.

为什么价格下跌几乎难以察觉

价格逆转并未引起公众太多关注，这其实并不像乍看起来那么令人意外。市场不仅对数字做出反应，也对根深蒂固的认知做出反应。DeepSeek 已成为价格极其亲民的人工智能的代名词，而 OpenAI 则被视为高端供应商。这种认知锚点的改变速度远比价格表的变动缓慢。因此，一项新的定价方案往往会被纳入现有的世界观，而不是挑战世界观本身。.

此外，模型市场的快速变化也加剧了这一趋势。GPT-6 Luna 的出现，正值新模型、变体、思维层次、上下文边界和部署选项几乎每天都在更新换代之际。DeepSeek 随后不久便将 V4.1 Flash 更新至 1017 版本，但价格并未变动。公众讨论的焦点集中在基准测试、编程能力和速度上。然而，一个更具战略意义的事实——一个封闭的 OpenAI 模型突然被一个中国开源模型以核心价格抢占先机——却被版本号和测试结果所掩盖。.

价格的呈现方式也使比较变得复杂。DeepSeek 会标明高峰时段和非高峰时段，以及极低的缓存命中率。OpenAI 则区分标准、灵活、批量、快速、区域处理和长时间处理等模式。而经纪平台则会显示各自的价格，这些价格取决于特价优惠、硬件利用率和路由情况。如果比较的是直接提供商、路由商、最便宜的第三方提供商，还是实际支付的平均价格，就会得出不同的结果。例如，有时使用外部提供商时，DeepSeek 的价格可能看起来更低，即使官方的直接 API 价格更高。因此，可靠的比较首先必须明确比较的对象。.

最终，对许多用户而言，每个代币的价格是抽象的。每百万个代币的0.05美元的差异看似微不足道。然而，当代币数量达到数十亿甚至数万亿时，这便会成为一项重要的成本因素。与此同时，即使发行周期上的微小差异，也足以弥补价格上的差距。这种看似微小的单价与高度可扩展的交易量相结合，使得此类事件难以成为新闻热点。.

意外效应背后的计算

基本公式很简单：查询成本的计算方法是将新增输入令牌的数量乘以输入价格，再加上缓存令牌（按缓存价格计算）和生成的令牌（按输出价格计算）。假设有 100 万个新增输入令牌和 20 万个输出令牌，GPT-6 Luna 的标准价格为 0.20 美元。DeepSeek V4.1 Flash 在非高峰时段的价格为 0.27 美元，高峰时段的价格为 0.54 美元。在这个例子中，Luna 的价格比 DeepSeek 的非高峰时段价格便宜约 25.9%，比其高峰时段价格便宜约 63%。.

在 Luna 上执行一个典型的面向文档的操作，需要 100 万个新的输入令牌、100 万个缓存令牌和 10 万个输出令牌，成本为 0.16 美元。DeepSeek 在非高峰时段的收费为 0.213 美元。因此，Luna 的价格比 DeepSeek 便宜约 24.9%。在高峰时段，DeepSeek 的收费会上升到 0.426 美元。虽然 DeepSeek 读取缓存的成本要低得多，但在这个例子中，100 万个缓存令牌不足以抵消更高的输入和输出成本。.

对于缓存密集型应用来说，情况则有所不同。如果仅处理 10 万个新输入令牌和 10 万个输出令牌，但同时从缓存读取 1000 万个令牌，Luna 的成本约为 0.16 美元。DeepSeek 在非高峰时段的成本约为 0.105 美元。此时，DeepSeek 的成本比 Luna 低约 34%。然而，在高峰时段，同样的 DeepSeek 操作成本约为 0.21 美元，因此 Luna 的成本又会降低。这个例子表明了 DeepSeek 的基于时间的成本和缓存优势是如何相互影响的。.

从数学角度来看，非高峰时段的阈值位于缓存令牌数量约为新输入令牌数量的 7.14 倍加上输出令牌数量的 14.29 倍之时。低于此阈值，Luna 更便宜；高于此阈值，DeepSeek 则更具优势。在 DeepSeek 的高峰时段，该阈值会发生显著变化：此时，缓存令牌数量必须超过新输入令牌数量的约 50 倍加上输出令牌数量的约 175 倍，DeepSeek 才会变得更便宜。因此，对于大多数常见的聊天记录、分析、数据提取和编程任务而言，在当前的 API 价格下，Luna 仍然是更具优势的选择。.

缓存是 DeepSeek 最强大的武器。

对 Luna 论调最有力的反驳在于缓存机制。DeepSeek 在非高峰时段提供 100 万个缓存代币，仅需 0.003 美元。而 Luna 则需要 0.01 美元。因此，DeepSeek 的价格比 Luna 低 70%；相反，Luna 的缓存读取价格是 DeepSeek 的三倍多。即使在 DeepSeek 的高峰时段，一个缓存的价格也仅为 0.006 美元，比 Luna 便宜 40%。.

对于包含冗长且基本静态的系统指令、庞大的产品目录、反复出现的法律文件或恒定程序代码的应用而言，这种差异尤为显著。当同一上下文被重复使用数百甚至数千次时，缓存的成本可能比获取新数据的成本更高。因此，拥有稳定知识库并处理大量简短用户查询的公司，其成本构成与每次运行都处理新网页、文件和工具结果的搜索代理截然不同。.

然而，缓存并非对所有输入都自动生效。上下文必须在技术上可缓存，以足够相同的形式重复出现，并在相应的存储逻辑中重用。动态构建的提示、频繁更改的文档或个性化上下文都会降低缓存命中率。此外，高缓存率本身并不能保证业务成功。它必须与正确的响应、低延迟和稳健的应用程序相结合。提供过时或结构错误信息的廉价缓存虽然节省了令牌，但同时也会产生额外的成本。.

因此，在经济评估中，公布的缓存价格并非决定性因素，实际测量的每个应用程序的缓存命中率才是关键。企业应分别跟踪新增输入、缓存读取、缓存写入和输出。只有这样，才能明确 DeepSeek 的理论优势是否能转化为实际效益。如果没有这项测量，就断言某个型号由于缓存容量低而更便宜，就像笼统地提及 Luna 的标准速率较低一样，都是不完整的。.

较长的上下文再次逆转了结果

OpenAI 对 GPT-6 Luna 的输入令牌数量设置了显著的限制，每次请求的输入令牌数量不得超过 272,000 个。超过此限制后，整个请求的输入和缓存价格将翻倍；输出价格将增加 50%。在标准模式下，这意味着每百万个新增输入令牌的价格为 0.20 美元，缓存命中价格为 0.02 美元，输出令牌价格为 0.75 美元。区域附加费或加速处理可能会进一步影响这些成本。.

这意味着，在非高峰时段，对于非常长的单次查询，Luna 相对于 DeepSeek 的价格优势将不复存在。根据长上下文费率，使用 Luna 执行一个包含 100 万个新输入令牌和 10 万个输出令牌的查询，成本约为 0.275 美元。DeepSeek 在非高峰时段的收费约为 0.21 美元。在这种情况下，DeepSeek 的价格比 Luna 低约 24%。然而，在高峰时段，DeepSeek 的价格约为 0.42 美元，远高于 Luna。.

此限制适用于大型代码库、大型合约库、科学数据集以及长时间运行的代理会话。这也说明了为什么在不了解单个请求大小的情况下，简单地比较每百万代币的价格可能会产生误导。在 Luna 上，分散在一千个短请求中的一百万代币的价格，与分散在一个非常长的请求中的相同数量的代币的价格是不同的。因此，对于财务规划而言，不仅需要了解每月代币交易量，还需要了解上下文长度的分布情况。.

从技术上讲，智能架构可以部分避免这种额外开销。它无需在每次查询时加载整个数据集，而是可以预先搜索、重新排序内容，并将其限定在相关部分。然而，这会增加嵌入、向量搜索、排名、数据传输和编排等方面的成本。因此，最具经济效益的解决方案并非一定是上下文窗口最大的模型，而是能够以尽可能少的昂贵上下文信息提供可靠响应的架构。.

每个代币价格更低并不意味着每次结果价格更低。

每百万代币的价格只是经济学的一个方面。关键在于，它取决于模型成功完成任务所需的代币数量。如果一个模型能够提供更详细的答案、生成更多思考过程、更频繁地调用工具或需要更频繁地重复任务，那么即使每个代币的价格较低，其解决每个问题的成本仍然可能更高。反之，如果一个模型能够直接给出正确答案并给出简短的解答，那么即使价格较高，它也可能更经济。.

目前的对比揭示了一个有趣的矛盾。独立测量结果显示，在最高认知强度下，DeepSeek V4.1 Flash 的表现略优于 GPT-6 Luna。在综合智能指数中，DeepSeek 得分约为 39 分，Luna 约为 38 分。这一差距很小，不应被解读为在所有任务中都具有绝对优势。在某些特定类别中，尤其是在基于代理和编程相关的任务中，DeepSeek 的表现可能明显更强。但在其他测试或认知要求较低的任务中，情况则有所不同。.

在缓存、新输入和输出的标准化组合下，Luna 的有效价格约为每百万加权代币 0.08 美元，而 DeepSeek 的高级思维模式则约为 0.18 美元。这表明在这些假设条件下，Luna 具有优势。然而，不同的思维模式并非完全相同。Luna 的低级思维模式与 DeepSeek 的高级思维模式之间的比较并不能回答有意义的采购问题。必须在满足特定流程所需的质量水平上对模型进行比较。.

因此，正确的衡量标准是每次有效结果的成本。对于编程代理来说，这可以是每次成功解决错误的成本；对于文档分析来说，可以是每次正确提取的数据记录的成本；对于客户服务来说，可以是每次无需人工干预即可解决的案例的成本。只有将错误率、重复次数、令牌消耗和验证工作量都考虑在内，才能对实际的成本效益做出可靠的评估。.

准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务——图片：Xpert.Digital

Xpert.Digital 是一个以数据驱动的 B2B 行业中心，由 Konrad Wolfenstein 领导。该公司为工业合作伙伴提供外部的、准内部解决方案，弥补其在市场营销、内容和销售方面的运营缺口，而无需客户投入额外资源。.

更多信息请点击这里：

• 准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务

速度本身就是一个生产要素。

DeepSeek 的速度优势非常显著。在独立测试中，V4.1 Flash 在高强度运算下每秒生成约 217 至 231 个词元，而 GPT-6 Luna 在最高运算强度下每秒仅能达到约 128 个词元。更令人瞩目的是首词生成时间。在某些测试中，DeepSeek 的首词生成时间约为一秒，而 Luna 在最高运算强度下则明显更长。这些数值会因厂商、负载、提示符、地区和测试设置的不同而有所差异，但其幅度表明两者之间存在着显著的实际区别。.

对于交互式应用而言，速度不仅仅关乎便利性。更长的等待时间会降低完成率，增加放弃率，并限制人工智能辅助下人类能够处理的任务数量。在编程过程中，快速反馈可以提高每小时的迭代次数。对于语音助手而言，首次发出语音结果所需的时间决定了系统是否流畅自然。因此，如果低成本代币模式占用大量人力或降低用户体验，从商业角度来看反而可能成本更高。.

对于异步流程，优先级则相反。例如，夜间文档分类、批量产品描述或非时间紧迫的数据清洗等操作，并不需要秒级响应。在这些情况下，Luna 更经济实惠的 Flex 或 Batch 套餐可能比 DeepSeek 的速度优势更具优势。因此，延迟的价值取决于具体流程。那些不将其转化为金钱价值的人，仅仅是在比较技术规格而已。.

因此，完整的成本分析不仅应包括 API 费用，还应包括延迟、吞吐量、并发限制和故障风险。DeepSeek 为 Flash 设定了较高的直接并发限制。OpenAI 提供不同的处理模式，每种模式都有其自身的成本和性能特征。对于大型用户而言，有保障的容量可能比每百万代币几千分之一美元的成本差异更为重要。.

两种架构，两种商业模式

DeepSeek V4.1 Flash 是一个拥有约 5520 亿个参数的大型混合专家模型。然而，在每个处理步骤中，仅激活网络的一部分。该架构将输入和输出处理分离，并且实际使用的激活参数数量远少于其总体规模所暗示的数量。这种方法解释了为何一个非常大的模型能够兼具高性能、相对较低的推理成本和高速运行。.

相比之下，GPT-6 Luna 是一个封闭模型。OpenAI 不公开完整的权重或所有架构细节。因此，客户的经济利益完全来自 OpenAI 提供的服务，而非他们自身的部署。OpenAI 控制着模型、推理软件、容量规划、产品集成以及相当一部分市场需求。这种垂直控制使其能够制定极具竞争力的价格，但也使客户与平台之间的联系更加紧密。.

这种差异改变了“价格”一词的含义。在 Luna 中，“价格”主要指的是 API 费用。而在 DeepSeek 中，“价格”可以指直接 API 的费用、第三方提供商的费用，或者运行服务的总成本。由于 V4.1 Flash 的权重数据采用宽松的 MIT 许可证，企业和数据中心可以自行托管、修改该模型，并将其集成到自身的基础设施中。因此，指定的 DeepSeek API 并非该模型唯一经济可行的形式。.

然而，自主运行并非免费。硬件、电力、冷却、存储、网络、备用容量、监控、更新以及专业人员等成本都必须考虑在内。只有当利用率高且稳定时，超大型模型才能实现具有吸引力的单位成本。对于不规律的需求，基于使用量的 API 通常更具成本效益，因为提供商可以将基础设施资源共享给众多客户。DeepSeek 的开放权重提供了一种战略选择；但是，它们并不能保证降低总体价格。.

OpenAI 对低成本领域的攻击

Luna 的定价并非仅仅是技术层面的调整，而是一项战略举措。OpenAI 将 Luna 的输入价格（相对于 GPT-5.6 Luna）从 0.20 美元降至 0.10 美元，输出价格从 1.20 美元降至 0.50 美元。这使得 Luna 不仅成为高端产品组合中的小型版本，更成为面向大众市场的大批量产品。该公司瞄准的正是开源软件供应商和中国开发者历来拥有最强经济影响力的市场。.

这种定价策略可能由多种原因造成。模型架构、量化、缓存、内存管理和利用率方面的进步降低了实际边际成本。庞大的内部需求基础提高了服务器利用率。长期计算能力可以降低平均成本。同时，服务提供商也可能故意放弃部分利润，以确保其接口能够尽早被开发者、代理平台和企业流程采用。.

对于 OpenAI 而言，Luna 还可用作内部价格差异化的工具。低成本模型用于处理标准化、大批量任务，而功能更强大的模型则能吸引更高付费意愿的用户。客户仍在同一生态系统内，并可根据具体需求在不同模型层级之间切换。这不仅提高了 Luna 的整体交易量，也增加了用户使用更昂贵模型、工具和企业级功能的可能性。低廉的代币价格则为用户进入更广泛的平台业务提供了契机。.

尽管DeepSeek的价格仍然极低，但这一发展趋势使其面临压力。竞争的焦点正从哪个供应商价格最低转向哪个供应商能在既定质量水平下提供最低的单次结果成本。因此，价格领先优势变得更加短期化、更依赖于具体情况，也更难通过有效的沟通来实现。.

DeepSeek的答案并不在于价格表。

Luna较低的标准价格丝毫没有降低DeepSeek的价值。V4.1 Flash融合了高智能性、极高的输出速度、宽广的上下文窗口、多模态功能以及开放权重。对于那些优先考虑技术控制、可定制性或数据主权的组织而言，这种组合可能比最低的API直接价格更为重要。.

MIT 许可证允许商业用途、修改和分发，限制相对较少。数据中心运营商可以基于此开发自己的产品。公司可以在所需的司法管辖区内运营或曾经运营受控实例。政府和受监管行业可以选择在组织上将模型和基础设施分离。虽然 Luna 提供区域性和欧洲范围的处理选项，但它仍然是一项外部的、封闭的服务。.

DeepSeek还可以通过第三方定价参与竞争。各种推理平台会暂时以低于官方价格的价格提供模型。这些优惠可能源于更高效的硬件、优化的资源利用、特殊条件或限时折扣。对于买家而言，这加剧了竞争压力，同时也增加了复杂性。价格最低的中间商并不一定在可用性、数据隐私、模型版本和技术支持方面都是最可靠的合作伙伴。.

此外，搜索和检索功能也单独收费。DeepSeek 对每 1000 次成功的搜索或检索收取 0.75 美元。这些费用不应与模型价格混淆。使用 OpenAI 时，工具调用也会触发单独的费用。因此，智能体系统不仅消耗代币，还会产生一系列模型执行、搜索、文件访问和重复操作。DeepSeek 的竞争力越来越依赖于这一整体流程，而非单一的定价。.

价格反转揭示了人工智能市场的哪些信息

最重要的经济信息是，推理正日益成为一种大众市场商品。技术进步、专用芯片、更高的利用率以及激烈的市场竞争正在降低单位成本。从历史上看，在短时间内，给定性能水平的成本已经下降了几个数量级。GPT-6 Luna 和 DeepSeek V4.1 Flash 延续了这一趋势，并拓展了自动化能力的边界。.

然而，单价下降并不一定意味着总成本下降。当每个代币的价格下跌时，公司会在其应用程序中构建更长的上下文、更多的代理步骤以及更大的用户群。以前生成模型响应的流程现在可以进行规划、搜索、调用多个工具、审查中间结果并修改响应。因此，每笔交易的代币数量可能会比其价格下降得更快。这种模式是一种典型的反弹效应：效率的提高降低了使用成本，从而触发了额外的需求。.

对供应商而言，一场规模经济的竞赛正在兴起。低价吸引销量，销量提升利用率，高利用率降低单位成本，从而实现进一步降价。大型平台具有优势，因为它们可以聚合需求并将基础设施分布到众多产品中。开放权重模型则起到平衡作用，因为它们将竞争转移到了推理提供商层面。不仅模型本身，硬件运营商也可以参与竞争，争夺客户。.

从长远来看，纯粹的代币价格可能会失去其战略重要性。模型之间的可互换性将增强，而数据访问、集成、安全性、弹性、可观测性和特定领域的质量将变得更加重要。价格仍然可见且易于比较，但利润空间将转移到工具、平台功能和行业特定解决方案上。因此，Luna 和 DeepSeek 不仅仅是两种模型，而是通往同一工业化人工智能市场的两条路径。.

企业的新采购逻辑

企业不应自动将 OpenAI 或 DeepSeek 认定为行业标准。更明智的做法是构建一套包含真实世界任务的强大测试套件。这包括收集典型查询、上下文长度、缓存大小、输出长度、延迟要求和质量标准。然后，使用类似的推理方法和相同的工具，对同一数据集运行这两个模型。评估不仅关注正确答案，还关注成本、耗时、重复次数以及人工审核所需的工作量。.

工作负载分离至关重要。短批处理请求、长文档、编程代理和交互式助手具有不同的成本函数。Lu​​na 在短篇幅和中篇幅的场景以及异步批处理方面可能更具经济优势。DeepSeek 则适用于长时间空闲请求、缓存密集型进程、低延迟或自配置场景。因此，单一的全局模型往往会造成成本或质量的浪费。.

现代架构采用路由机制。简单的任务分配给成本最低且性能足够的方案。复杂的任务则交给性能更强的模型处理。如果出现超时或容量不足的情况，备份提供商会接管。自托管的 DeepSeek 实例可用于处理敏感数据，而一般的大容量操作则通过 Luna 运行。这种多模型策略减少了依赖性，并使价格波动可控。.

同时，采购部门必须关注版本稳定性。模型名称可以重定向到新的快照版本，而无需更改 API 名称。这虽然提升了功能，但可能会改变可复现的流程。因此，合同应涵盖性能特征、数据处理、可用性、变更通知和退出选项。如果未被察觉的模型变更破坏了受监管的流程，那么即使是最便宜的代币也毫无价值。.

从代币价格到完整的单位成本核算

专业人工智能成本核算始于流程层面。对于每个功能，都会统计新增输入令牌、缓存令牌、输出令牌、工具调用次数和重复次数。基础设施、数据传输、存储、可观测性和人工质量保证等成本也会被纳入考量。最终结果并非每百万令牌的价格，而是每张发票、每个客户案例、每次代码变更或每份评估文档的价格。.

接下来需要评估错误造成的成本。错误的商品描述与错误的信用决策造成的损失截然不同。后果成本越高，仅仅追求最低费率就越不明智。即使某个模型处理一笔交易的成本只降低几分之一美分，但由于错误率略高，也可能抵消所有优势。因此，质量必须转化为关键的经济指标。.

延迟也具有货币价值。对于内部工具而言，等待时间可以与人员成本和交易量挂钩。对于外部应用程序，放弃率、收入和客户满意度可以作为近似指标。这清晰地表明，DeepSeek 的速度何时足以支撑更高的代币价格，或者 Luna 的低价何时在异步任务中明显更具优势。.

最后，必须考虑供应商锁定风险。封闭模式运营成本低，但转换成本高；开放模式运营成本可能更高，但提供战略选择。因此，在 Luna 和 DeepSeek 之间做出选择，也是在权衡灵活性。这种灵活性的经济价值通常只有在价格变动、监管要求出台或产能瓶颈出现时才会显现。.

为什么简单的获奖名单会误导人

基于单一价格的排名已无法充分反映市场情况。对于常规、不太长的实时流量，GPT-6 Luna 更经济。DeepSeek V4.1 Flash 在缓存读取方面更经济。Luna 提供特别经济的异步模式。DeepSeek 的性能会随时间变化，并且可以自托管。在独立测试中，DeepSeek 速度更快，并且在最大处理强度下效率略高。Luna 仍然可以显著降低单次任务的成本。以上所有说法均正确。.

选择还取决于来源。供应商直接定价能带来透明度和明确的责任归属。路由器价格可能更低，也能减少故障，但会增加一层合约和数据。自主运营能提供控制权，但需要资金、人员和容量。因此，每月交易量仅几百万代币的公司与每天处理数十亿请求的全球平台运营商，其最佳解决方案自然不同。.

基准测试结果不应孤立看待。微小的分数差异可能在误差范围内，也可能与任务组合的性质有关。更高层次的推理需要更多的时间和测试用例。平均表现良好的模型在特定领域可能表现不佳。因此，基于公开排名的采购并不能取代内部测试。.

“Luna 比 DeepSeek 更便宜却无人察觉”这种说法固然具有警示意义，但作为普遍结论则过于简单。它迫使市场重新审视旧有的假设。而这正是它的价值所在。昨天最便宜的供应商明天可能就会更贵，所谓的“高端模式”也可能成为成本杀手。.

真正的赢家是可互换的人工智能堆栈。

从经济角度来看，任何一种模型都不应被认定为永久的赢家。能够轻松交换、衡量和整合模型的组织将最终胜出。价格和性能变化太快，无法将架构永久地与当前的排名挂钩。中立的模型层、清晰的日志记录和自动化的质量测试，使得供应商之间的竞争最终有利于买方。.

对于当今的标准流量而言，GPT-6 Luna 具有显著的价格优势。即使使用 DeepSeek V4.1 Flash 最便宜的直接时隙，其核心速率也低于 DeepSeek V4.1 Flash。然而，对于长时间单上下文流量、极高的缓存利用率、极低的延迟、开放权重以及可靠的运行，DeepSeek 仍然极具吸引力。那些只考虑价格范围的用户忽略了这些相互制约的因素。.

然而，从战略角度来看，OpenAI 已经打破了西方模式必然昂贵的固有观念。DeepSeek 再也不能仅仅依靠其价格领先的优势取胜。竞争的焦点正在转向性价比、速度、运营自由度和全面集成。这加大了所有供应商的压力，并降低了新人工智能应用进入市场的门槛。.

最终，真正令人惊讶的并非 Luna 的价格便宜了几百分之一美元，而是看似稳定的价格体系崩塌的速度之快。那些每年才重新评估模型选择的公司很可能在这个市场上支付了过高的价格。而那些持续衡量质量、延迟和成本的公司，则将 OpenAI 和 DeepSeek 之间的价格战转化为自身的竞争优势。.

从提升可见性到赢得信任：Xpert.Digital 为您打造可扩展的路径 - 图片：Xpert.Digital

在工业B2B领域，可持续的业务关系很少一蹴而就。它们需要循序渐进地发展——通过提升知名度、增强专业相关性、建立持续的联系以及不断增长的信任。Xpert.Digital的四阶段模型正是针对这一需求而设计的：它提供了一条结构化的路径，从易于管理的切入点开始，并可根据需要发展为更深入的业务拓展合作。.

这种模式不依赖于夸张的营销承诺，而是将合作关系置于首位。企业首先制定清晰明确、易于计算的衡量指标，然后根据自身经验决定合作的拓展程度。这种不受干扰的信任建立过程的关键在于：平台完全杜绝了令人厌烦的广告，因此内容完全聚焦于企业的专业知识。.

更多信息请点击这里：

• 从可见性到信任：Xpert.Digital 助您实现可扩展性发展

☑️ 我们的业务语言是英语或德语。

☑️ 新增：用您的母语进行通信！

Konrad Wolfenstein

我和我的团队很乐意为您提供私人顾问服务。.

您可以通过填写此处的联系表格联系我[email protected]：，或者直接致电+49 7348 4088 965。我的邮箱地址是

我期待着我们的合作项目。.

☑️ 为中小企业提供战略、咨询、规划和实施方面的支持

☑️ 制定或调整数字化战略和数字化

☑️ 拓展和优化国际销售流程

☑️ 全球及数字化 B2B 交易平台

☑️ 先锋业务拓展/市场营销/公关/展会