DeepSeek snížil ceny o 75 procent. Stovinásobný problém zůstává

Čínský startup DeepSeek razantně snížil ceny svého modelu V4-Pro, ale levnější AI nemusí znamenat lepší zisky. Agentní systémy totiž spotřebují tokeny řádově rychleji, než klesají ceny.

Paradox levnějších modelů

Rozhodnutí společnosti DeepSeek snížit ceny svého pokročilého modelu V4-Pro o 75 procent by mělo být samozřejmě dobrou zprávou pro podniky a vývojáře pracující s umělou inteligencí. Realita je však složitější. Nižší náklady na běh modelů totiž nevedou automaticky k vyšším marži a lepší rentabilitě projektů. Zatímco cena za inference prudce padá, agentní systémy nenasytně pohlcují tokeny tempem, kterým ceny neklesají.

Celých posledních dvacet let se ekonomika softwarového průmyslu řídila jedinou zásadou: když infrastruktura zlevní, vývojáři a společnosti se mohou zaměřit na vyšší marže nebo nižší ceny pro koncové zákazníky. V případě AI ale tento klasický ekonomický model selhává. DeepSeek tím, že dramaticky snížil ceny, sice potvrdil konkurenční tlak na trhu a nutnost inovace, ale zároveň ukázal na základní problém moderní AI ekonomiky.

Agent-based systémy, které postupně ovládají landscape umělé inteligence, fungují úplně jinak než tradiční modely. Namísto jednoho průchodu daty vykonávají řadu kroků, volají se navzájem a postupně řeší komplexní úlohy. Každý takový krok znamená spotřebu tokenů – a těch je potřeba řádově více. Matematika je bezpitomná: když agent potřebuje 100krát více tokenů na jednu úlohu, není už nezáležitostí, že jednotková cena klesla o 75 procent.

Tento jev dostal svou charakteristiku: problém 100x. Znamená to, že úspora na jednotkové ceně je snadno pohltena multiplyká spotřebou zdrojů. Výsledek? Finální náklady na běh agentních systémů zůstávají vysoké, přestože infrastrukturní ceny padají. Pro startup DeepSeek jde o geniální taktiku – levné ceny přitahují masivní objem zákazníků, a ti pak spotřebují obrovské množství compute kapacity.

Pro české firmy pracující s AI to znamená důležitou lekci: při plánování rozpočtů na umělou inteligenci je klíčové sledovat nejen jednotkové ceny, ale především skutečné spotřeby agentních systémů. Levné modely se mohou v praxi ukázat jako stejně drahé jako dražší alternativy, když započítáme celkový objem spotřebovaných tokenů. Jde o fundamentální posun, kterému se nikdo v AI průmyslu nevyhnout nemůže.

Zdroj: VentureBeat

Rubrika: AI & Technologie