Китайский стартап DeepSeek объявил, что его онлайн-сервисы продемонстрировали теоретическую прибыль в 545% за сутки работы благодаря оптимизациям. Несмотря на высокую загрузку своих вычислительных узлов и значительные объемы обработанных данных, компания предупреждает, что фактические доходы, скорее всего, гораздо ниже из-за скидок и бесплатных услуг. Тем не менее, DeepSeek сосредоточена на технологическом развитии, а не на быстрой монетизации.
Согласно отчёту компании, средняя загрузка вычислительных узлов для моделей V3 и R1 составила 226,75 в период с полудня 27 февраля. Каждый из узлов включает восемь графических процессоров Nvidia H800, стоимость аренды которых составляет $2 за час. Общие эксплуатационные расходы за день достигли $87 072, в то время как обработанные модели достигли 608 миллиардов входных и 168 миллиардов выходных токенов. Если бы компания применяла свои расценки, потенциальный доход составил бы $562 027, что соответствует теоретическому показателю прибыли в 545%.
Несмотря на впечатляющие цифры, размеры фактической прибыли будут ниже, так как DeepSeek предлагает значительные скидки и бесплатные сервисы. Например, с 27 февраля компания предоставляет ночные скидки до 75%. Средняя цена использования моделей V3 составляет от $0,07 до $1,10 за миллион токенов, что делает её более доступной по сравнению с конкурентами. Это приводит к тому, что фактические доходы могут быть значительно ниже прогноза.
Компанию приводит к этому ряд факторов, начиная от стратегий по привлечению пользователей до ценовой политики. Согласно данным TechCrunch, заявления DeepSeek о доходности следует воспринимать более как прогнозы потенциальных доходов, а не как реальную картину их финансового состояния сегодня.
Контекст создания DeepSeek также важен. Недавно стартап привлёк внимание после релиза модели R1 в январе, что, по мнению экспертов, оказало существенное влияние на экономические показатели американских технологических компаний, которые потеряли более $1 трлн за один день. Это было связано с тем, что команда DeepSeek потратила на обучение своих моделей менее $6 миллионов, в то время как её американские коллеги затратили значительно больше.
В дальнейшем DeepSeek продолжит своё развитие, не спеша к быстрой монетизации, а акцентируя внимание на оптимизации и улучшении своих сервисов. Их стратегия предполагает последовательный подход к эффективности и инновациям в области обработки данных, что может принести компаниям значительные дивиденды в будущем.