2025 年 1 月 27 日，DeepSeek 的 App 衝上美國 App Store 免費榜第一，把 ChatGPT 擠了下去，同一天輝達股價單日重挫 17%，市值蒸發約 5,890 億美元，創下美股史上單日最大的市值蒸發紀錄！
一家當時很多人沒聽過的中國公司，怎麼有辦法一天之內搖動整個 AI 產業？這篇我把那一週的時間線、成本數字、價格戰、開源下載數和台灣的禁用令都攤開來，最後講產品經理該從中帶走什麼，每一個數字都附上它的出處。
一句話總結：DeepSeek 用大約十分之一的 GPU 時數練出對標旗艦的模型，再用 MIT 授權開源、用低 27 倍的價格賣 API，逼得整個產業降價，但在台灣，它的雲端服務被公務機關全面禁用，「服務」和「模型」要分開看。
2025 年 1 月那一週，到底發生了什麼？
| 日期 | 發生的事 |
|---|---|
| 2024 年 12 月 26 日 | DeepSeek-V3 發布，同時公開技術報告 |
| 2025 年 1 月 20 日 | R1 發布，MIT 授權開源，API 價格比 OpenAI o1 低 27 倍 |
| 2025 年 1 月 27 日 | DeepSeek App 登上美國 App Store 免費榜第一，輝達單日跌 17%，市值蒸發約 5,890 億美元 |
| 2025 年 1 月 29 日 | 微軟把 R1 上架到 Azure AI Foundry 和 GitHub |
| 2025 年 1 月 30 日 | AWS 讓客戶能在 Amazon Bedrock 和 SageMaker 部署 R1 |
| 2025 年 1 月 31 日 | 台灣數位發展部把 DeepSeek AI 服務列為危害國家資通安全產品，公務機關限制使用 |
| 2025 年 2 月 3 日 | 行政院宣布公務機關全面禁用 DeepSeek AI 服務 |
注意第 29、30 日那兩列：前一天股市才被它嚇到崩盤，美國兩大雲端業者隔兩三天就把它上架給自家客戶用，這說明大廠的第一反應不是封殺，而是「先接進來再說」。
557.6 萬美元，到底是什麼的錢？
DeepSeek 最常被引用的數字是「557.6 萬美元」，很多媒體寫成「不到 600 萬美元就開發出來」，這其實是誤讀。V3 技術報告的原文是：正式訓練總共用了 278.8 萬 H800 GPU 小時，「假設」每 GPU 小時租金 2 美元，才算出 557.6 萬美元，而且報告自己註明，這個數字只包含正式訓練，不包含前期在架構、演算法和資料上做的研究與實驗。
所以真正該比的不是金額，而是 GPU 時數。Meta 的 Llama 3.1 405B 在官方模型卡上寫的是 3,084 萬 H100 GPU 小時，大約是 V3 的 11 倍，而且 H100 還比 V3 用的 H800 規格更好：
| 模型 | 正式訓練用掉的 GPU 時數 | 用的晶片 |
|---|---|---|
| DeepSeek-V3 | 278.8 萬小時 | H800 |
| Llama 3.1 405B | 3,084 萬小時 | H100 |
這才是讓產業緊張的地方：不是「AI 只要 600 萬美元」，而是「同樣等級的模型，正式訓練可以少用一個數量級的算力」。
為什麼能省這麼多？
靠的是一整套工程設計疊起來：MoE 混合專家讓模型總共 6,710 億個參數，每個字只動用其中 370 億個，MLA 把推理時要暫存的資料大幅壓縮（DeepSeek-V2 技術報告寫的是減少 93.3%），FP8 用較低的精度計算，DualPipe 讓晶片在等資料傳輸的同時繼續算。細節我寫在 DeepSeek 的 MoE 架構。
價格戰：R1 一上市就比 o1 便宜 27 倍，現在呢？
價格戰是 DeepSeek 自己點的火。2025 年 1 月 20 日 R1 上市時，官方公布的 API 價格是每 100 萬 token 讀進去 0.55 美元、寫出來 2.19 美元，同一時間 OpenAI 對標的推理模型 o1，官方價是讀 15 美元、寫 60 美元，兩邊整整差了 27 倍：
| 模型 | 讀進去（每 100 萬 token） | 寫出來（每 100 萬 token） |
|---|---|---|
| DeepSeek R1（2025 年 1 月上市價） | 0.55 美元 | 2.19 美元 |
| OpenAI o1 | 15 美元 | 60 美元 |
一年半過去，價格戰打成什麼樣子？下面是我 2026 年 10 月 5 日從四家官方定價頁抓的現況。
先講清楚，這裡比的是開發者用的 API，也就是照用量計費的「算力批發價」，不是 ChatGPT Plus 那種每月固定的訂閱。你可以把它想成電信資費：每家都有貴但最強的旗艦方案，也有便宜夠用的輕量方案，我把四家官方定價頁的數字攤開來比。
先看懂計價方式：API 是按 token 收錢的，token 是模型計算文字的單位，以 DeepSeek 官方的換算，1 個中文字大約是 0.6 個 token，100 萬 token 差不多是 160 萬個中文字（各家切字方式不同，會有一點落差）。而且價格分兩種：「讀進去」是你丟給它的問題和文件，「寫出來」是它回給你的答案，寫通常比讀貴好幾倍。
| 等級 | 模型 | 讀進去（每 100 萬 token） | 寫出來（每 100 萬 token） |
|---|---|---|---|
| 旗艦 | DeepSeek V4-Pro | 1.32 美元（離峰 0.66） | 3.96 美元（離峰 1.98） |
| 旗艦 | OpenAI GPT-6 Astra | 10 美元 | 50 美元 |
| 旗艦 | Claude Opus 5.5 | 4 美元 | 20 美元 |
| 旗艦 | Gemini 3.1 Pro | 2 美元 | 12 美元 |
| 中階主力 | OpenAI GPT-6.1 Sol | 2 美元 | 10 美元 |
| 中階主力 | Claude Sonnet 5.5 | 2 美元 | 10 美元 |
| 中階主力 | Gemini 3.8 Flash | 0.75 美元（2027 年起 1.50） | 3.75 美元（2027 年起 7.50） |
| 平價 | DeepSeek V4.1-Flash | 0.30 美元（離峰 0.15） | 1.20 美元（離峰 0.60） |
| 平價 | OpenAI GPT-6 Luna | 0.1 美元 | 0.5 美元 |
| 平價 | Claude Haiku 4.5 | 1 美元 | 5 美元 |
| 平價 | Gemini 3.5 Flash-Lite | 0.3 美元 | 2.5 美元 |
光看單價沒感覺，我們算一筆實際的帳：假設一個任務要讀 100 萬 token（大約 160 萬個中文字）、寫出 20 萬 token，各家要花多少？
| 等級 | DeepSeek | OpenAI | Claude | Gemini |
|---|---|---|---|---|
| 旗艦 | 約 2.1 美元（尖峰） | 約 20 美元 | 約 8 美元 | 約 4.4 美元 |
| 平價 | 約 0.54 美元（尖峰） | 約 0.2 美元 | 約 2 美元 | 約 0.8 美元 |
表上 Gemini 的旗艦用的是 Gemini 3.1 Pro。10 月 13 日 Google 把新旗艦 Gemini 4 Argon 的 API 開放了，優惠價到 11 月 30 日是輸入 2 美元、輸出 10 美元，同樣這筆帳大約 4 美元，比 3.1 Pro 還便宜，但 12 月 1 日起翻倍成輸入 4 美元、輸出 20 美元，就變成大約 8 美元，跟 Claude Opus 5.5 一樣。這就像賣場的開幕價，便宜是真的，但記得看清楚活動到哪天，Argon 的開放範圍和跑分，我整理在 Gemini 4 Argon 是什麼。
發現一：旗艦級，DeepSeek 還是便宜一大截
同樣是各家最強的那一款，DeepSeek V4-Pro 的花費大約只有 GPT-6 Astra 的十分之一，離峰時段更只要二十分之一。前面講的那套省成本工程，最後就是反映在這張帳單上。
發現二：平價級，DeepSeek 已經不是最便宜
這是最有意思的地方：輕量款裡最便宜的，反而是 OpenAI 的 GPT-6 Luna，單價比 DeepSeek V4.1-Flash 還低。這不代表 DeepSeek 輸了，反而證明它掀起的價格戰真的打出效果，逼得每一家都得端出便宜的輕量方案，最大的贏家其實是用的人。
發現三：DeepSeek 的尖峰時段，剛好是台灣上班時間
DeepSeek 分尖峰和離峰計價，離峰直接半價。它的尖峰是週一到週五 UTC 01:00 到 04:00、06:00 到 10:00，換成台灣時間，就是平日早上 9 點到 12 點、下午 2 點到 6 點，幾乎整個上班時間都在付全價。如果你的工作可以排程，例如晚上批次整理資料，同樣的事就能省一半。
單價便宜，不等於最省
最後提醒一件老鳥才會注意的事：每 token 單價不等於每件事的成本。有些模型會先「想」很久，或回答寫得特別長，同一件事用掉的 token 可能差好幾倍，就像計程車跳表便宜，但繞遠路一樣貴。另外各家都有折扣機制：DeepSeek 快取命中只要原價約 2% 到 3%，Claude 和 Gemini 的快取大約是原價一成，Claude 和 OpenAI 的批次處理直接打五折，真正的帳單要把這些算進去才準。DeepSeek API 的快取和計費細節，我寫在 DeepSeek API 怎麼用。
所以挑 API 別只看牌價，要看你的任務量、跑在什麼時段、能不能用到快取和批次，懂規則的人，才是真正拿到便宜的人。
換成產品的帳：一個月 10 萬則客服回覆要花多少？
單價看完還是太抽象，我用產品經理最常遇到的場景算一次：做一個 AI 客服，每則回覆要讀 2,000 token（客人的問題加上知識庫片段）、寫 500 token，一個月回 10 萬則，也就是一個月讀 2 億 token、寫 5,000 萬 token：
| 模型 | 一個月約花多少 |
|---|---|
| OpenAI GPT-6 Astra | 4,500 美元 |
| Claude Sonnet 5.5 | 900 美元 |
| DeepSeek V4-Pro（尖峰） | 462 美元 |
| Claude Haiku 4.5 | 450 美元 |
| Gemini 3.5 Flash-Lite | 185 美元 |
| DeepSeek V4.1-Flash（尖峰） | 120 美元 |
| OpenAI GPT-6 Luna | 45 美元 |
看出來了嗎？最貴和最便宜差了 100 倍，而且差距主要來自「等級」，不是「廠牌」。同一家公司的旗艦和平價款，價差就有幾十倍，所以選型的第一個問題不是「用哪一家」，而是「這個功能用平價款夠不夠」。
開源：不只是口號，看下載數
R1 用的是 MIT 授權，這是最寬鬆的開源授權之一，官方公告寫明模型權重和輸出都能拿去商用、微調、蒸餾，還一起開源了 6 個從 1.5B 到 70B 的蒸餾小模型，讓沒有大算力的人也能在自己的電腦上跑。
開源有沒有人用，看數字最準。我在 2026 年 10 月 5 日查了 Hugging Face（全球最大的開源模型平台）：
| 模型 | Hugging Face 累計下載 | 按讚數 |
|---|---|---|
| DeepSeek-R1 | 約 4,940 萬次 | 14,318（全站第 3） |
| DeepSeek-R1-Distill-Qwen-32B | 約 2,770 萬次 | 1,632 |
| DeepSeek-V3 | 約 2,170 萬次 | 4,401 |
| DeepSeek-R1-Distill-Qwen-7B | 約 1,540 萬次 | 904 |
更值得注意的是排名：全站按讚數前 4 名的模型裡，第 1 名的 Qwen、第 3 名的 DeepSeek R1、第 4 名的 Kimi 都是中國的開源模型。對照一下，Meta 最受歡迎的 Llama 3.1 8B 按讚 8,217，排在第 6 名，開源模型最熱門的前幾名，現在是中國團隊的天下。
在晶片管制下，它是怎麼練出來的？
V3 是用 2,048 張 H800 練的。H800 是輝達為了符合美國出口管制，專門給中國市場做的 H100 降規版，最大的差別是晶片之間互傳資料的 NVLink 頻寬，從 H100 的每秒 900 GB 砍到 400 GB。到了 2023 年 10 月 17 日，美國出口管制再次更新，連 H800 也不能賣了。
頻寬被砍，代表幾千張卡一起訓練時，很多時間會卡在等資料傳過來，DeepSeek 的對策就是前面說的 DualPipe，讓計算和傳輸同時進行，把等待藏起來。換句話說，管制沒有讓它停下來，反而逼它在「省傳輸」這件事上做到極致。
台灣的特殊處境：服務被禁，但模型可以離線用
2025 年 1 月 31 日，數發部依 2019 年的「各機關對危害國家資通安全產品限制使用原則」，把 DeepSeek AI 服務列為危害國家資通安全產品，理由是它涉及跨境傳輸和資訊外洩疑慮，2 月 3 日行政院宣布公務機關全面禁用，公立大學和研究機構要用的話，得先依程序報准。
但同一份行政院新聞稿裡還有一句很多人沒注意到：吳誠文政委建議，學術研究若有需要，用不含個資和資料的電腦單機下載、斷網使用比較安全。這句話點出一個關鍵差別：
| 用法 | 資料會去哪裡 | 要注意什麼 |
|---|---|---|
| 用 DeepSeek 的 App 或官方 API | 送到 DeepSeek 的伺服器 | 公務機關禁用，企業要評估資料外流和合規 |
| 下載開源權重，自己架在電腦或公司機房 | 留在你自己的機器 | 資料不會外流，但行政院也點出模型有思想審查等內容偏誤，輸出一樣要檢查 |
想自己在電腦上跑開源模型，我之前寫過 用 Docker 跑 Ollama 和 Open WebUI的做法可以參考。
產品經理該帶走的三個結論
一、選型先選等級，再選廠牌
前面的客服試算，最貴和最便宜差 100 倍，而同一家公司旗艦款和平價款的價差就有幾十倍。先用平價款做出可用的版本，真的不夠再往上升，比一開始就挑最強的划算得多。
二、有開源權重的模型，是你的退路和籌碼
只用閉源 API，價格和規則都是對方說了算，手上有一個能自己架的開源方案，哪天供應商漲價或改條款，你至少有地方可以搬，談判時也比較有底氣。DeepSeek 的 MIT 授權，就是讓這個退路變得合法又免費。
三、合規要先分清「服務」還是「模型」
同樣叫 DeepSeek，用它的雲端服務和下載權重自己架，在資料流向和法規上是兩回事。做 B2B 或碰到公部門客戶時，先問清楚對方禁的是哪一個，再決定產品要怎麼設計。
延伸閱讀
- DeepSeek 是什麼？免費開源會思考的 AI，三大模式怎麼選
- DeepSeek API 怎麼用？認證、請求到 Function Calling
- DeepSeek R1 和 V3 差在哪？什麼時候該用會思考的模型
- DeepSeek 新模型有哪些？R1、V3.1、V4 到 V4.1 Flash
- DeepSeek 的 MoE 架構：低算力下的高效訓練技術
DeepSeek 真正改變的，是讓所有人重新算了一次帳，會算帳的產品經理，才不會被下一次的價格戰打得措手不及。