Година след като DeepSeek изненада индустрията със своя първи модел с отворен код, компанията вече предлага система, която е над два пъти по-интелигентна, но и драстично по-евтина за използване. Новата версия V3.2 остава малко зад моделите на Google, Anthropic и OpenAI по обща производителност, но изпълнява същите задачи поне 22 пъти по-евтино, превръщайки се в сериозно икономическо предизвикателство за водещите американски корпорации.

Глобалната криза на токен цените: къде стои DeepSeek

Независимата компания Artificial Analysis класира най-мощните ИИ модели на пазара според комбиниран индекс от сложни бенчмаркове.

Текущата класация изглежда така:

• Gemini 3 Pro (Google, САЩ) – 73%

• Claude Opus 4.5 (Anthropic, САЩ) – 70%

• GPT-5.1 (OpenAI, САЩ) – 70%

• Kimi K2 Thinking (Moonshot AI, Китай) – 67%

• DeepSeek V3.2 (Китай) – 66%

• Grok 4 (xAI, САЩ) – 65%

• MiniMax-M2 (Китай) – 61%

• Qwen3 235B (Alibaba Cloud, Китай) – 57%

• GLM-4.6 (Z.ai, Китай) – 56%

• Mistral Medium 1.2 (Франция) – 52%

Meta и нейната серия Llama вече не попадат в топ 10.

Но производителността не е единственият критерий. В реалния бизнес ключовият въпрос е колко струва изпълнението на една и съща задача. Тук китайските модели доминират.

Цената за изпълнение е новото бойно поле

DeepSeek буквално разгромява конкуренцията по цена за изпълнение на набор от стандартни оценки:

• 54 долара – DeepSeek V3.2

• 159 долара – MiniMax-M2

• 226 долара – GLM-4.6

• 380 долара – Kimi K2 Thinking

• 497 долара – Mistral Medium 1.2

• 859 долара – GPT-5.1

• 934 долара – Qwen3 235B

• 1 201 долара – Gemini 3 Pro

• 1 498 долара – Claude Opus 4.5

• 1 888 долара – Grok 4

Разлика от почти 35 пъти между DeepSeek и Grok 4.

Този ценови срив оказва натиск върху целия сектор и директно застрашава бизнес моделите на компаниите, инвестиращи трилиони в инфраструктура за ИИ.

Как DeepSeek става толкова евтин: технологичният трик

Новият модел запазва същия мащаб като предшественика си –
671 милиарда общи параметъра и 37 милиарда активни – но представянето и ефективността са драматично подобрени. Ключовите разлики идват от три собствено разработени технологични системи:

1. DeepSeek Sparse Attention (DSA) – олекотено внимание

Механизъм, който намалява изчислителната сложност, без да намалява интелигентността в дългите контексти.

2. Scalable Reinforcement Learning Framework

Оптимизирана среда за RL посттренировка, която дава по-добра производителност при същата цена.

3. Large-Scale Agentic Task Synthesis Pipeline

Платформа за масово генериране на синтетични задачи и данни, особено ценна за модели за разсъждение.

Благодарение на тези оптимизации DeepSeek намали наполовина цената за input токени и със 75% за output токени в своя API.

Вариации в новата серия: за инструменти и за разсъждение

DeepSeek пусна две версии на V3.2:

• V3.2-Tool – оптимизиран за използване на инструменти и външни API

• V3.2-Speciale – насочен към дълбоко разсъждение, но без инструментална поддръжка

Тази стратегия директно таргетира потребителите на Gemini и GPT, които плащат високи цени за reasoning задачи.

Големият проблем: доверие, регулации и геополитика

Въпреки технологичните успехи, много експерти в Y Combinator и Hacker News посочват липса на доверие, произтичаща от:

• геополитическото напрежение

• законовата рамка в Китай

• опасения за корпоративна и национална сигурност

Тези фактори ограничават масовото приемане в САЩ и Европа, независимо от ниската цена.

Ще изпревари ли DeepSeek Gemini 3?

Според самото студио има три критични бариери:

1. По-малко общ обучителен ресурс

DeepSeek има по-малко FLOPs по време на предварително обучение, което означава по-ограничени общи знания.

2. По-ниска токен ефективност

Моделът често използва повече токени, за да постигне сходно качество на отговора.

3. Справяне със сложни задачи

Моделът изостава при многостъпкови и нестандартни задачи, при които Gemini 3 и Claude Opus доминират.

Компанията твърди, че ще адресира тези ограничения с по-големи изчислителни ресурси и нови оптимизации.

DeepSeek V3.2 не е най-мощният модел в света – но е моделът, който най-силно променя икономиката на ИИ. Ако тенденцията се запази, китайските модели с отворени кодове могат да поставят под съмнение устойчивостта на скъпите проприетарни решения на водещите западни компании.