Prisgapet mellom vestlige og kinesiske AI-modeller er absurd stort
Betaler du for ChatGPT eller Claude via API, ligger du typisk på et sted mellom 2,50 og 25 dollar per million tokens. Den kinesiske utfordreren DeepSeek tilbyr sammenlignbar ytelse for rundt 0,28 dollar. Det er ikke en liten rabatt – det er en helt annen prisklasse.
Tallene bak påstanden
DeepSeeks nyeste flaggskip, V4 Flash, koster 0,14 dollar per million input-tokens og 0,28 dollar per million output-tokens. Den kraftigere V4 Pro-varianten ligger på 0,435 og 0,87 dollar. Til sammenligning koster GPT-5.5 og Claude Opus 4.8 flere ganger dette per token – flere uavhengige prissammenligninger anslår DeepSeek som 35 til 100 ganger billigere per token enn de dyreste vestlige alternativene, avhengig av hvilken modell man sammenligner mot.
Det som gjør dette ekstra påfallende er at DeepSeek ikke bare er billig – modellene presterer også konkurransedyktig på sentrale benchmarks innen koding og resonnering, langt fra den kvalitetsforskjellen prisgapet skulle tilsi.
Sanksjonene som tvang frem kreativiteten
En viktig bakgrunn for denne utviklingen er de amerikanske eksportrestriksjonene på Nvidias mest avanserte AI-brikker til Kina. Da tilgangen til de kraftigste chipsene ble strammet inn, måtte kinesiske laboratorier i praksis bli mer ressurseffektive – både i hvordan modeller trenes og i hvilken maskinvare de kjøres på, med tilpassede varianter som H800 og innenlandske alternativer fra Huawei og Cambricon.
Her er det verdt å være presis: den mye siterte påstanden om at DeepSeeks V3-modell kun kostet 6 millioner dollar å trene, er ikke et pålitelig tall. Uavhengige analytikere hos SemiAnalysis har pekt på at dette beløpet kun dekker den siste GPU-pretreningsrunden – ikke forskning, infrastruktur eller drift av GPU-klyngen for øvrig. Deres eget anslag på total kostnad ligger rundt 1,3–1,6 milliarder dollar, altså over 200 ganger høyere. Selv Google DeepMinds toppsjef har offentlig kalt 6-millionerstallet "overdrevet og noe misvisende". DeepSeek har senere, i et fagfellevurdert Nature-papir, oppgitt en langt mer beskjeden og spesifikk sum – rundt 294 000 dollar – men da for den siste treningsrunden av R1-modellen spesifikt, kjørt på 512 H800-brikker over 80 timer. Heller ikke det tallet representerer den fulle kostnaden ved å bygge og drifte selskapet.
Hvorfor prisgapet likevel er reelt
Det er altså grunn til skepsis rundt de mest dramatiske treningskostnadstallene, men selve API-prisforskjellen er ikke tvilsom – den er offentlig, verifiserbar og oppdatert daglig på begge selskapers prissider. Uavhengig av hva utviklingen faktisk kostet å bygge, er det driftskostnaden per token brukere og utviklere faktisk møter, og der er gapet til de dyreste vestlige alternativene enormt.
Oppsummering
Den virkelige historien her er ikke et mytisk treningsbudsjett på 6 millioner dollar – det tallet tåler ikke nærmere gransking. Den virkelige historien er at kinesiske AI-laboratorier, dels drevet av sanksjonspress, har funnet frem til en driftsøkonomi som gjør API-bruk drastisk billigere enn hos de ledende vestlige leverandørene, uten et tilsvarende stort kvalitetstap. Det er verdt å følge med på – men verdt å følge med på med riktige tall.
Ressurser
- DeepSeek offisiell prisside – oppdaterte API-priser
