DeepSeek在训练成本节约方面确实具有性价比优势。
一、成本数据体现性价比
从诸多数据来看，DeepSeek的训练成本显著低于其他模型。例如，每100万tokens的输入，DeepSeekR1比OpenAI的o1模型便宜90%，其推理成本降至OpenAI的1/50。在预训练阶段，它通过合理的资源分配等方式，在对性能影响有限的地方进行优化，从而降低成本。还有像DeepSeekV2的开源模型，推理成本被降到每百万token仅1块钱，约等于Llama370B的1/7、GPT4Turbo的1/...这些数据都表明在成本节约上有很大的成果。
二、技术架构带来成本节约
DeepSeek的成本优势主要体现在其高效的训练方法和创新的模型架构上。这种架构使得它能够用较少的资源达到较好的训练效果。就像它仅用十分之一的成本就达到了GPTo1级别的表现，这足以证明其性价比。
三、开源属性助力性价比提升
DeepSeek是一个开源模型，开源的特性使得更多的开发者可以参与进来，进一步优化模型或者基于它进行开发。这样可以避免很多重复开发的成本，从整个行业生态的角度来看，也是一种成本的节约，从而提升了它的性价比优势。