Alibaba и DeepSeek стимулируют гонку китайских ИИ-моделей к снижению затрат

Alibaba представила Qwen3.8-Max, свою самую мощную ИИ-модель на сегодняшний день, поскольку новая модель V4-Flash от DeepSeek привлекает внимание благодаря более низкой цене вывода по сравнению с несколькими конкурентами.

Имея 2,4 триллиона параметров, Qwen3.8-Max использует архитектуру смеси экспертов (mixture-of-experts), которая активирует только подмножество параметров для каждого запроса. По данным Alibaba, примерно 95 миллиардов параметров активны в любой данный момент, что значительно снижает затраты и задержку по сравнению с моделями, активирующими все параметры.

DeepSeek использует аналогичную разреженную архитектуру, но в меньшем масштабе. Согласно данным Artificial Analysis, V4-Flash содержит 284 миллиарда общих параметров, из которых 13 миллиардов активны во время вывода, в то время как модель Kimi K3 от Moonshot AI имеет 2,8 триллиона общих параметров и примерно 104 миллиарда активных.

Qwen3.8-Max обрабатывает текст, изображения и видео, поддерживая контекстное окно до одного миллиона токенов. Alibaba также отметила, что модель успешно завершила проект по разработке программного обеспечения, продолжавшийся 16 дней.

По размеру Qwen3.8-Max соперничает с Kimi K3, выпущенной Moonshot AI в июле. Обе компании также конкурируют в ценообразовании: Qwen3.8-Max взимает 2 доллара за миллион входных токенов и 6 долларов за миллион выходных токенов, тогда как Kimi K3 стоит 3 и 15 долларов соответственно.

Размер модели сам по себе не определяет стоимость вывода. Такие факторы, как архитектура, количество активных параметров, потребление токенов и количество вызовов, необходимых для выполнения задачи, влияют на итоговую стоимость запуска модели.

После своего выпуска Qwen3.8-Max поднялся на первое место среди китайских текстовых моделей на краудсорсинговой платформе Arena.AI, хотя он все еще уступает нескольким моделям Anthropic в общих рейтингах. Он также занял второе место в рейтинге Arena.AI для анализа изображений и визуальных данных, уступив варианту Anthropic Claude Fable 5.

DeepSeek снижает цены на вывод

DeepSeek выбрала другую стратегию с V4-Flash. Вместо того чтобы соответствовать огромному масштабу последних моделей Alibaba и Moonshot AI, она установила цену на модель ниже, чем у нескольких широко используемых ИИ-систем.

Согласно данным Artificial Analysis, V4-Flash стоит 0,14 доллара за миллион входных токенов и 0,28 доллара за миллион выходных токенов. Исследовательская фирма указывает модель с контекстным окном в один миллион токенов и 284 миллиарда общих параметров, из которых 13 миллиардов активны во время вывода.

Artificial Analysis указывает цену кэширования для версии Max Effort V4-Flash в размере 0,003 доллара за миллион токенов, что на 98% ниже ее стандартной входной ставки. Кэшированный ввод относится к ранее обработанному контексту, который можно повторно использовать в последующих запросах.

Более низкие ставки токенов DeepSeek также отразились в тестировании по стандартам Artificial Analysis. Reuters сообщило, что исследовательская фирма оценила среднюю стоимость V4-Flash в три цента за тест, по сравнению с 86 центами для Kimi K3, 1,86 доллара для GPT-5.6 Sol от OpenAI и 3,15 доллара для Claude Fable 5 от Anthropic.

Это сравнение учитывает количество входных и выходных данных, которые каждая модель использует для выполнения теста. Более низкая ставка за токен не обязательно означает более низкую стоимость задачи, если модель генерирует больше выходных данных или требует дополнительных взаимодействий.

Artificial Analysis присудила версии DeepSeek V4-Flash с усиленным рассуждением (Max Effort reasoning) оценку 40 по Индексу интеллекта. Исследовательская фирма также зафиксировала скорость вывода примерно 118 токенов в секунду во время тестирования.

Цены на токены рассказывают только часть истории о стоимости

Kimi K3 от Moonshot AI предоставляет еще один пример того, как объявленные цены API могут отличаться от стоимости выполнения более длительных рабочих нагрузок. Artificial Analysis указывает модель по цене 3 доллара за миллион входных токенов и 15 долларов за миллион выходных токенов, при этом кэшированный ввод оценивается в 0,30 доллара за миллион токенов.

В тесте Artificial Analysis AA-Briefcase для агентной интеллектуальной работы Kimi K3 в среднем стоила 10,57 доллара за задачу. Она генерировала около 120 000 выходных токенов и использовала в среднем 83 хода на задачу.

Artificial Analysis заявила, что стоимость отражала ценообразование токенов Kimi K3, объем выходных данных и количество взаимодействий с моделью. Повторные вызовы модели и большие выходные данные могут поэтому повысить общую стоимость выполнения рабочей нагрузки за пределами того, что предполагает базовая ставка API.

Kimi K3 показала второй по величине общий результат на оценке AA-Briefcase на момент тестирования, уступив Claude Fable 5. Она также набрала 57 баллов по более широкому Индексу интеллекта Artificial Analysis.

Сравнение с DeepSeek подчеркивает, почему измерения стоимости задачи добавляют полезный контекст к стандартному ценообразованию API. Модели с разной архитектурой и шаблонами использования могут потреблять существенно разные объемы вычислений и токенов при выполнении одного и того же типа задачи.

Открытые веса добавляют еще один вариант развертывания

На стоимость также влияет то, как китайские разработчики распространяют свои модели. Alibaba, DeepSeek и Moonshot AI продолжают поддерживать выпуски с открытыми весами наряду с доступом к размещенным API, предоставляя разработчикам больше вариантов развертывания этих моделей.

Artificial Analysis указывает DeepSeek V4-Flash как модель с открытыми весами под лицензией MIT, с весами, доступными через Hugging Face. Kimi K3 также доступна как модель с открытыми весами под собственной лицензией Moonshot AI.

Открытые веса позволяют разработчикам запускать модели на собственной инфраструктуре или через сторонних поставщиков, а не полагаться исключительно на сервис вывода, размещенный разработчиком. Стоимость развертывания все еще зависит от используемого оборудования и инфраструктуры, но доступ к модели не привязан к одному размещенному API.

Этот подход отличается от основных моделей, предлагаемых OpenAI, Anthropic и Google, которые, как правило, сохраняют свои веса закрытыми.

Лянь Цзе Су, главный аналитик Omdia, отметила, что выбор модели для многих бизнес-задач зависит не только от наличия доступа к самой производительной системе.

«Многие бизнес-процессы не требуют лучших моделей отрасли», — сказал Су. «Им нужны модели, которые достаточно хороши, доступны по цене, прозрачны и доступны, а модели с открытыми весами помогают удовлетворить этот спрос».

См. также: Alibaba разрабатывает ИИ-чипы вокруг агентов, и это меняет суть гонки

Хотите узнать больше об ИИ и больших данных от лидеров отрасли? Посетите AI & Big Data Expo, который состоится в Амстердаме, Калифорнии и Лондоне. Комплексное мероприятие является частью TechEx и проходит совместно с другими ведущими технологическими мероприятиями, включая Cyber Security & Cloud Expo. Нажмите здесь для получения дополнительной информации.

AI News работает на базе TechForge Media. Изучайте другие предстоящие корпоративные технологические мероприятия и вебинары здесь.