DeepSeek bringt den Frühling für KI-Anwendungsunternehmer

Originaltitel: „DeepSeek bringt den Frühling für KI-Anwendungsunternehmer“
Originalautor: Dongcha Beating

Am 31. Juli wurde die offizielle Version der API von DeepSeek V4-Flash für die öffentliche Beta veröffentlicht.

Jede Million Eingabe-Token kostet 1 Yuan; jede Million Ausgabe-Token kostet 2 Yuan. Nach einem Cache-Hit kostet jede Million Eingabe-Token nur 0,02 Yuan. Es unterstützt 1 Million Kontext, Denkmodi, Toolaufrufe und Responses API, mit einer maximalen gleichzeitigen Verbindungsgrenze von 2500 pro Konto.

DeepSeek wird auch eine Spitzen- und Talpreisgestaltung einführen, wobei die Preise in Spitzenzeiten verdoppelt werden. Dennoch sind die Preise immer noch so günstig, dass es fast unverschämt erscheint.

Laut einer groben Umrechnung von DeepSeek verbraucht ein chinesisches Zeichen etwa 0,6 Token. Eine Million Token können etwa 1,67 Millionen chinesische Zeichen lesen. Betrachtet man nur die Eingabekosten, so kostet das Lesen von etwa 1,67 Millionen chinesischen Zeichen nur einen Yuan.

Im vergangenen Jahr hat sich die große Modellbranche an längere Kontexte, komplexere Schlussfolgerungen und immer fähigere Agenten gewöhnt. Bei jedem Modell-Update dreht sich die Diskussion immer darum, wer wieder wen überholt hat, wie viel das Benchmark vorangekommen ist und wie weit wir von AGI entfernt sind.

Für KI-Anwendungsunternehmer gibt es jedoch eine noch realistischere Frage:

Wie viel kostet eine Aufgabe wirklich?

Die Modellfähigkeiten bestimmen theoretisch, was das Produkt leisten kann, während die Aufrufpreise bestimmen, wie viel Fähigkeit das Team tatsächlich in das Produkt einfließen lassen kann.

Heute Nachmittag habe ich lange mit ChatGPT über Sprache diskutiert. Ich sagte, dass das derzeitige Geschäftsmodell für KI-Anwendungen, einfach gesagt, der Weiterverkauf von Token ist.

Es versuchte mehrmals, mir eine anständigere Formulierung zu geben, wie „Einzelhandel mit Schlussfolgerungsfähigkeiten“ oder „Verpackung intelligenter Dienstleistungen“. Ich sagte, dass es nicht nötig sei, für dieses Geschäft eine Umschreibung zu finden; der Weiterverkauf ist der Weiterverkauf, und unhöflich bedeutet nicht, dass es falsch ist.

KI-Anwendungen scheinen in den letzten Jahren die neueste Richtung für Unternehmertum zu sein, aber im Kern handelt es sich um ein sehr altes Geschäft:

Einkauf, Verarbeitung, Preisgestaltung und dann den Verkauf der Ware.

Viele Branchenveränderungen beginnen oft mit einem plötzlichen Rückgang der Einkaufspreise.

KI-Anwendungen sind ein Geschäft des Weiterverkaufs von Token

Früher gewöhnten sich die Menschen daran, KI-Anwendungen im Rahmen von Internetprodukten oder SaaS zu verstehen.

Nach der Fertigstellung der Software kann sie an tausend Personen oder an eine Million verteilt werden. Das Hinzufügen eines neuen Benutzers verursacht natürlich Bandbreiten-, Speicher- und Servicekosten, aber diese Kosten werden normalerweise mit zunehmender Skalierung allmählich verteilt.

KI-Anwendungen sind jedoch anders. Jedes Mal, wenn ein Benutzer ein Bild generiert, einen Bericht schreibt, einen Code vervollständigt oder einen Agenten einen weiteren Schritt ausführen lässt, muss das Anwendungsunternehmen das Modell erneut aufrufen. Jedes Mal, wenn der Benutzer einen Knopf drückt, muss der Anbieter erneut Geld verlangen.

Daher ist das grundlegende Geschäftsmodell der meisten reinen Software-KI-Anwendungen derzeit sehr einfach:

Token von Modellunternehmen einkaufen, allgemeine Modellfähigkeiten in Produkte für Schreiben, Programmieren, Design, Kundenservice, Video oder Agenten verpacken und diese dann über Mitgliedschaften, Punkte und Gebühren pro Nutzung an die Benutzer verkaufen.

Nehmen wir Poe als Beispiel: Bei der Einführung der API gab es direkt an, dass das Preismodell für die zusätzlichen Punkte darauf abzielt, die Preise entsprechend dem zu berechnen, was der zugrunde liegende Modellanbieter von ihm verlangt.

Der Anbieter verlangt Geld für Modelle und Token, Poe wandelt diese in Punkte auf der Plattform um und verkauft sie zusammen mit einem einheitlichen Zugang, Zahlung, Modellwechsel und Entwicklungs-APIs an die Benutzer.

Einige Unternehmen behaupten, sie verkaufen keine Token, sondern Ergebnisse. Die Preisgestaltung der Kundenservice-Softwarefirma Intercom für den KI-Kundenservice Fin beträgt 0,99 USD pro abgeschlossenem Ergebnis. Wenn der Benutzer bestätigt, dass das Problem gelöst ist, keine weitere menschliche Hilfe benötigt oder Fin erfolgreich einen Arbeitsablauf abgeschlossen hat, zählt das als ein Ergebnis.

Das ist nur ein anderer Preisschild; Gebühren pro Sitzplatz, pro Aufgabe, pro erfolgreich gelöstem Problem ändern nur die Einheit, die der Benutzer sieht. Das Anwendungsunternehmen muss weiterhin das Modell aufrufen und berechnen, wie viele Token für die Durchführung einer Lieferung benötigt werden.

Der südliche Song-Dynastie-Maler Li Song malte ein Bild mit dem Titel „Markthändler mit Kinderspiel“. Der Händler trägt eine Last mit Waren und zieht durch Dörfer, mit Töpfen, Schalen, Nähzeug, Snacks und Spielzeug, die alle auf der Last liegen. Eine Last ist ein mobiles kleines Kaufhaus, und das Geld, das der Händler verdient, stammt aus der Auswahl, dem Zusammenstellen und dem Liefern der Waren.

Das, was KI-Anwendungsunternehmen tun, ist ziemlich ähnlich. Die Modellhersteller produzieren Intelligenz, die Anwendungsunternehmen bringen diese Intelligenz in spezifische Szenarien. Was auf der Grundlage gekauft wird, sind Token, und was schließlich verkauft wird, sollte ein Bericht, ein Design oder ein Video sein.

Die Modellunternehmen verkaufen Intelligenz, die Anwendungsunternehmen verkaufen Ergebnisse.

Der Gewinn dieses Geschäfts hängt hauptsächlich von drei Preisunterschieden ab.

Der erste Unterschied ist der Einkaufspreis.

Für dasselbe Modell können die tatsächlichen Kosten, die verschiedene Teams erhalten, unterschiedlich sein. Unternehmen mit hohem Aufrufvolumen können Rabatte aushandeln, und Teams mit starker Ingenieurskompetenz können Caching, asynchrone Verarbeitung, Spitzen- und Talaufrufe sowie Modellrouting nutzen, um die durchschnittlichen Kosten weiter zu senken. Was andere für einen Dollar erledigen, können Sie für fünfzig Cent erledigen, und die verbleibenden fünfzig Cent sind der Gewinn.

Einfacher gesagt, beim Einkauf gibt es Leute, die zu Großhandelspreisen kaufen, und andere, die zu Touristenpreisen kaufen.

Der zweite Unterschied ist der Nutzungspreis.

Einige Leute kaufen eine Mitgliedschaft und nutzen die KI jeden Tag wie ein Arbeitstier, während andere beim Aufladen große Ambitionen haben, aber nach einem halben Monat das Produkt nicht mehr nutzen. Solange der durchschnittliche Verbrauch der gesamten Benutzergruppe unter den Schätzungen bei der Paketgestaltung liegt, wird das nicht genutzte Kontingent einen Gewinnraum schaffen.

Das ist ähnlich wie bei Fitnessstudio-Jahreskarten oder Mobilfunktarifen.

Aber hier gibt es ein Problem zu beachten. Wenn der Anbieter ausreichend flexibel einkauft, wird weniger Nutzung der Benutzer den Gewinn erhöhen. Wenn das Unternehmen bereits einen festen Jahresrahmen unterzeichnet hat und die verbleibenden Token noch auf dem Konto liegen, sind das keine Gewinne, sondern nur Waren, die im Lager nicht verkauft werden können.

Was die Benutzer nicht verbraucht haben, wird als Überhang bezeichnet, und was das Unternehmen nicht verkaufen kann, wird als Überbestand bezeichnet.

Der dritte Unterschied ist der Produktpreis.

Bei einem Verbrauch von zehntausend Token gibt es Produkte, die nur einen Text ausgeben, den der Benutzer noch lange bearbeiten muss; es gibt Produkte, die bereits die Datenorganisation, Inhaltserstellung, Faktenprüfung, Formatierung und endgültige Ausgabe abgeschlossen haben. Die Kosten auf der Grundlage können ähnlich sein, aber die Preise, die die Benutzer bereit sind zu zahlen, sind völlig unterschiedlich.

Der wahre Wert eines KI-Anwendungsunternehmens hängt davon ab. Der Einkauf bestimmt, ob dieses Geschäft zustande kommen kann, das Produkt bestimmt, wie viel dieses Geschäft wert ist.

Der weiterverkaufte Token ist nur die Basis, das Produkt ist der Grund für die Preisunterschiede.

Produktmanager, zuerst Buchhalter

Das Problem ist, dass KI-Anwendungen ständig nach neuen Waren suchen müssen, sodass Produktfragen leicht zu Kostenfragen werden können.

In der offiziellen Anleitung von Manus kann man bereits sehen, wie diese Kosten das Produkt zurück beeinflussen. Manus zieht Punkte von der monatlichen Abonnementsgebühr ab, basierend auf der Komplexität der Aufgabe und den benötigten Ressourcen. Bei Fragen an die KI empfiehlt die offizielle Anleitung, einfache Fragen nach Möglichkeit im Chat-Modus zu stellen, ohne den vollständigen autonomen Agenten zu aktivieren; bei komplexen Aufgaben ist es am besten, die Zwischenergebnisse zuerst zu überprüfen, um zu vermeiden, dass der Agent in die falsche Richtung weiterarbeitet und unnötig mehr Punkte verbraucht.

Diese Ratschläge sind natürlich sinnvoll. Aber sie offenbaren auch die schwierigste Seite von Agentenprodukten; je aktiver das Modell, desto schwieriger wird es für das Anwendungsunternehmen, die Kosten vorherzusagen.

Ein Chatbot, der einmal antwortet und dann stoppt, hat die Rechnung relativ einfach. Ein Agent wird Aufgaben selbst aufteilen, wiederholt suchen, Webseiten öffnen, Tools aufrufen und dann basierend auf den Zwischenergebnissen entscheiden, was als Nächstes zu tun ist. Der Benutzer gibt nur einen Befehl, aber im Hintergrund können bereits Dutzende von Modellaufrufen stattgefunden haben.

Daher beginnt das Produkt, den Benutzern beizubringen, wie sie den Agenten weniger arbeiten lassen können. Die Sorge ist, dass, wenn die Rechnungen zu lange gerechnet werden, der Buchhalter beginnt, das Produkt zu übernehmen. Ob eine Funktion online gehen soll, wird vom Team nicht mehr zuerst in Bezug auf den Benutzerbedarf, sondern in Bezug auf die Kosten pro Aufgabe betrachtet. Das Modell hat bereits stärkere Fähigkeiten, aber die Anwendung hat nicht den Mut, diese Fähigkeiten vollständig den Benutzern anzuvertrauen.

Das Unternehmen muss natürlich die Kosten kontrollieren. Kein Startup kann das teuerste Modell wie Wasserhahnwasser für die Benutzer zur Verfügung stellen.

Einige Produkte packen bessere Modelle in teure Pakete, während normale Benutzer eine Version erhalten, die durch mehrere Einschränkungen gefiltert wurde. Die Modellfähigkeiten sind nicht verschwunden, sondern wurden nach der Berechnung auf verschiedene Personen verteilt.

Im Laufe der Zeit hat sich in der Branche eine seltsame Umkehrung ergeben.

Benutzer kaufen KI-Anwendungen in der Hoffnung, dass das Modell mehr versteht, mehr nachdenkt und mehr Arbeit erledigt. Die Anwendungsunternehmen müssen jedoch, um die Kosten zu halten, das Modell dazu bringen, weniger zu lesen, weniger nachzudenken und weniger zu tun.

Das Produkt verkauft Intelligenz, aber die am besten geübte Handlung des Teams ist es, Intelligenz zu kürzen.

Und wenn die Preise upstream steigen, müssen die Anwendungsunternehmen die Kontingente reduzieren; wenn Wettbewerber niedrigere Kosten erhalten, werden die Mitgliedsgebühren auf dem Markt sofort gesenkt; wenn neue, günstigere Modelle auftauchen, müssen die alten Routen und Pakete neu berechnet werden. Anwendungsunternehmen scheinen das Produkt zu kontrollieren, aber die wichtigsten Variablen liegen immer noch in den Händen der Anbieter.

In den letzten zwei Jahren fehlte es KI-Anwendungsunternehmern nicht unbedingt an Ideen. Sie benötigten vielmehr eine ausreichend starke, ausreichend günstige Intelligenz, die sie bedenkenlos in ihre Produkte integrieren können.

DeepSeek hat die „Intelligenzmaut“ gesenkt

Der Wert von DeepSeek liegt zunächst darin, dass es sich nicht um ein reines Modell handelt, das nur zur Preissenkung entwickelt wurde. Es hat 1 Million Kontext und unterstützt Denkmodi und Toolaufrufe.

Als die Vorschau-Version im April veröffentlicht wurde, erklärte DeepSeek, dass seine Schlussfolgerungsfähigkeiten nahe an V4-Pro liegen und in einfachen Agentenaufgaben ähnlich abschneiden. Die offizielle Version, die am 31. Juli aktualisiert wurde, hat die Modellstruktur und -größe nicht verändert, sondern hauptsächlich eine Nachschulung durchgeführt, und mehrere Agenten-Benchmark-Ergebnisse haben bereits die Vorschau-Version von V4-Pro übertroffen.

Das ist sehr wichtig.

Günstige Modelle gab es schon früher. Das Problem ist, dass günstige Produkte nicht immer von minderwertiger Qualität sein dürfen. Was für KI-Anwendungen wirklich benötigt wird, ist eine möglichst stabile Intelligenz zu einem niedrigen Preis.
Mindestens basierend auf den von DeepSeek veröffentlichten Agenten- und Code-Benchmarks hat V4-Flash bereits eine Reihe von Hochfrequenzaufgaben überschritten, die als "ausreichend" gelten, und der Preis ist so niedrig, dass das Team es häufig nutzen kann.
Für die meisten normalen Benutzer hat das große Modell wahrscheinlich einen kritischen Punkt überschritten.
Normale Menschen interessieren sich nicht für Benchmarks. Sie kümmern sich selten darum, ob ein Modell in einem Test um drei oder fünf Punkte vorne liegt; sie sind nur daran interessiert, ob sie ihre eigenen Aufgaben erledigen können. Wenn ein Modell bereits in der Lage ist, Materialien zu lesen, Schlussfolgerungen zu ziehen, Werkzeuge zu bedienen und Ergebnisse zu liefern, ist es natürlich wertvoll, die Fähigkeiten weiter zu verbessern. Aber ob dieser Wert die höheren Preise rechtfertigt, muss neu bewertet werden.
Früher war es für Modellunternehmen selbstverständlich, dass sie stärker waren und höhere Preise verlangten. Aber jetzt hält dieses Argument nicht mehr stand; es muss diskutiert werden, wo die hohen Preise herkommen, welches zusätzliche Können welche Probleme löst und wie viele Benutzer wirklich Bedarf haben.
DeepSeek hat nicht alle Modelle günstiger gemacht, sondern hat die hochpreisigen Modelle zu einem Thema gemacht, das den Benutzern erklärt werden muss.
Was Pinduoduo in der Anfangszeit wirklich durchbrach, war nicht nur der Preis der Produkte. Es zeigte den Verbrauchern zum ersten Mal, dass viele Alltagsartikel so günstig verkauft werden können. Die zuvor als selbstverständlich angesehenen Markenaufschläge, Vertriebskosten und Zwischenhändler müssen plötzlich nach Gründen für ihre Existenz suchen.
Pinduoduo hat die Preispsychologie von Waren durchbrochen.
DeepSeek hat die Preispsychologie von Intelligenz durchbrochen.
### Unternehmer können endlich wieder auf ihre Produkte schauen
Für die KI-Anwendungsbranche ist das Wichtigste, dass Unternehmer endlich ihren Blick von der oberen Ebene zurückbringen können.
Früher wurden die Anwendungsunternehmen leicht von den schnellen Aktualisierungen der großen Modelle mitgerissen. Heute wird der Kontext länger integriert, morgen wird ein neues Schlussfolgerungsmodell eingeführt, und übermorgen wird die Agentenfähigkeit auf die Startseite gesetzt. Die Produkte scheinen ständig aktualisiert zu werden, aber der Kurs wird nicht selbst festgelegt. Was die Modellanbieter veröffentlichen, wird von den Anwendungsunternehmen gezeigt.
Typische obere Blüte, untere Ablenkung.
Jetzt haben die zugrunde liegenden Modelle die Chance, zu einem relativ stabilen Produktionsmittel zu werden. Die Teams müssen sich nicht mehr jeden Tag um die Modell-Ranglisten drehen und müssen "das neueste Modell integrieren" nicht mehr als den wichtigsten Produktfortschritt betrachten.
Sobald die Modelle stabil sind, gibt es endlich keine Ausreden mehr für die Produkte.
Ein Modell kann eine Aufgabe erfüllen, ist nur der Ausgangspunkt. Was das Produkt tun muss, ist, die Aufgabe in den realen Prozess zu integrieren, Berechtigungen, Daten, Zusammenarbeit, Überprüfung und Fehler zu verarbeiten, sodass die Benutzer nicht jedes Mal neu lehren müssen, wie das KI-Modell arbeiten soll. Diese Dinge sind nicht so sexy wie Modellparameter und schwer in Benchmarks zu erfassen. Aber ob die Benutzer im zweiten Monat weiterhin bereit sind zu zahlen, hängt oft von diesen Details ab.
Der Wert von KI-Anwendungen liegt nicht darin, das Modell den Benutzern zu präsentieren, sondern darin, das Modell in die Arbeit zu integrieren.
Wenn die Benutzer nicht mehr wählen müssen, welches Modell sie verwenden, nicht mehr die Eingabewörter studieren müssen und sich nicht mehr darum kümmern müssen, wie viele Runden Schlussfolgerungen hinter dieser Aufgabe stehen, hat die Anwendung endlich ihre Arbeit richtig gemacht.
An diesem Punkt konkurrieren die Anwendungsunternehmen nicht mehr darum, wer zuerst das Modell erhält, sondern darum, wer die Arbeit besser versteht und wer die Regeln, die nicht in die Anleitung geschrieben werden können, in einen Teil des Produkts umwandeln kann.
Modelle können über Nacht stärker werden, das Verständnis der Branche kann das nicht. APIs können von allen integriert werden, aber eine Arbeitsweise, die von den Benutzern wirklich akzeptiert wird, ist schwer zu kopieren.
Das gibt vielen Geschäften, die in der Vergangenheit nicht groß genug erschienen, die Möglichkeit, neu gegründet zu werden.
KI-Startups müssen nicht unbedingt mit dem "nächsten großen Zugang" beginnen, und nicht jedes Unternehmen muss einen Super-Agenten schaffen, der der gesamten Menschheit dient. Es kann einfach ein Problem in einer Handelsanfrage lösen, einen Prozess für eine Kette von Geschäften bedienen oder bestimmten Fachleuten eine wiederholte Arbeit ersparen.
Der Markt muss nicht so groß sein, dass er alle aufnehmen kann. Solange das Problem spezifisch genug ist, die Lieferung stabil genug ist und der Wert, den die Benutzer erhalten, höher ist als der Preis, den sie zahlen, kann dieses Geschäft überleben.
Früher war es schwierig, ein vollständiges Produkt in einem kleinen Markt zu unterstützen, wenn die Modelle zu teuer waren. Die Teams mussten eine größere Benutzerbasis, höhere durchschnittliche Bestellwerte und schnellere Finanzierungsraten anstreben, um die ständig anfallenden Schlussfolgerungskosten zu decken. Viele Startprojekte hatten noch keine echten Benutzer gefunden und mussten bereits eine zu große Geschichte erzählen.
Jetzt kann die Geschichte kleiner werden.
Kleine Teams können zunächst eine kleine Gruppe bedienen, eine Sache gründlich erledigen und dann schrittweise nach außen expandieren.
Das ähnelt dem, wie viele "Hundertjährige Geschäfte" in der Vergangenheit waren. Als sie eröffneten, dachten sie nicht daran, eine ganze Straße zu dominieren, sondern kümmerten sich zunächst um ein paar Tische vor der Tür. Wenn das Essen gut und der Preis angemessen ist, kommen die Gäste beim nächsten Mal wieder, und das Geschäft läuft von selbst.
Die große Modellbranche spricht gerne über Skalierung, Parameter und Endziele. Die Unternehmensgründung in der Anwendung muss letztendlich zu dieser einfachen Logik zurückkehren.
Wem dienst du, welches Problem löst du für ihn, warum funktioniert es nicht mit einem anderen, diese drei Fragen wird DeepSeek nicht für die Unternehmer beantworten.
Es lässt nur zu, dass die Teams nicht mehr die meiste Zeit mit dem Feilschen mit der oberen Ebene verbringen müssen, und ermöglicht es kleinen Teams, die nicht in der Lage sind, große Modelle zu trainieren oder keine Berechtigung für spezielle Preise haben, ein relativ faires Eintrittsticket zu erhalten.
Früher war das Modell selbst eine Barriere. In Zukunft können alle Modelle gekauft werden, der Unterschied liegt darin, wofür sie verwendet werden. Die wirklich knappen Ressourcen werden sich allmählich auf Benutzer, Daten, Prozesse und Vertrauen verlagern. Wer näher an der realen Arbeit ist, hat die besseren Chancen.
Nachdem DeepSeek die Barriere für Intelligenz gesenkt hat, hat sich die KI-Anwendung endlich von einem Modellwettbewerb wieder zu einem Produktgeschäft gewandelt.
Der Han-Dynastie-Denkmal Chao Cuo schrieb in "Über die Teuerung von Getreide": "Teuer sind die fünf Getreidearten, während Gold und Jade billig sind."
In den letzten Jahren war das große Modell eher wie Gold und Jade. Die Parameter werden immer größer, die Ranglisten immer höher, sie werden im Licht der Pressekonferenzen ausgestellt, jeder sieht ihren Wert, aber nur wenige können sie tatsächlich in die täglichen Arbeiten integrieren.
Was die Anwendungsebene tun muss, ist, Gold und Jade in Getreide zu verwandeln.
DeepSeek hat den Preis für Reis nicht gesenkt, sondern nur den Preis für die Zutaten gesenkt.
Wer das Restaurant eröffnen kann, hängt von den Fähigkeiten jedes Einzelnen ab.

**-**END-

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.