7.6
深览指数
科技虎嗅·瞰见Lab··AI 生成
一边指责中国AI“偷师”，一边用DeepSeek优化自家模型省钱？海外博主点名OpenAI、Anthropic一样不讲武德
文章以一张社交媒体截图和英文评论为引子，探讨海外AI公司（OpenAI、Anthropic）是否在指责中国AI“抄袭”的同时，自身却利用了DeepSeek公开的KV缓存优化技术来降低API价格。作者核实了技术报告与价格数据后指出，价格下降与技术来源之间缺乏直接证据链条，降价可能是多种工程和商业因素的结果。但文章核心贡献在于，它挖掘出英伟达在其技术报告中明确引用了DeepSeek的FP8训练方案，证明了中国AI团队的开源成果确实被国际顶尖公司采用，并呼吁评价中国AI时应关注其原创性贡献，而非仅聚焦于“向谁学习”。适合关注AI技术趋势、中美科技竞争及开源生态的读者。原文 ↗
核心观点
- ▍海外博主指控OpenAI、Anthropic利用DeepSeek的KV缓存优化技术降低API价格，但作者认为价格下降不能直接证明技术来源，这一推论缺乏直接证据。
- ▍评价中国AI时，不应只停留在“是否抄袭美国”的单一维度，而应正视DeepSeek等团队在技术上（如缓存压缩、训练精度）的原创性贡献，这些贡献已被国际顶级公司（英伟达）明确引用。
- 01DeepSeek V4.1 Flash技术报告显示，其全局KV缓存占用相比早期版本（V1）可缩减约437倍，主要通过跨层缓存复用和FP4缓存实现。
- 02OpenAI的GPT-6.1 Sol缓存输入价格降至每百万token 0.1美元，相比GPT-5.6 Sol降幅约75%-80%；Anthropic的Claude Opus 5.5缓存读取费用降至0.20美元，降幅约60%。
- 03英伟达在Nemotron Nano 2技术报告中，在2.4节明确标明其FP8预训练方案采用了DeepSeek的方法，并详细说明了哪些部分沿用、哪些部分做了修改。
反方 / 局限
- — 作者承认，将API缓存价格下降直接归因于采用了DeepSeek技术是“太快”的推论：定价受定位、竞争等多因素影响，成本下降可能来自多种工程改良。
- — 英伟达引用的DeepSeek技术是FP8训练方案，而非本文核心讨论的KV缓存优化，因此不能据此证明OpenAI或Anthropic的封闭模型使用了后者的缓存技术。
- — 文章未采访任何相关公司人员，所有分析均基于公开技术报告和价格公告，信息存在被商业宣传或选择性披露影响的风险。
10 分钟 · 4 卡片 · 11 资料
读原文 →