DeepSeek轻量模型本地部署成焦点，普通显卡也能跑，对标阿里Qwen

9月24日，DeepSeek宣布正在开发一款轻量级大模型，该模型能够在普通游戏显卡上运行，标志着其在本地化部署方向的重大进展。这一消息源于DeepSeek内部投资人会议中梁文锋的透露，目前该模型已进入测试阶段，能够处理绝大多数日常任务，显示出相当可观的能力。

与当前市场上的同类产品相比，DeepSeek的目标是实现更广泛的硬件兼容性。虽然RTX 5090等高端显卡性能强劲，但价格高昂且并非所有用户都能负担。相比之下，DeepSeek希望这款轻量级模型能在RTX 4060或5060级别的显卡上稳定运行，确保至少30T/s的计算速度以满足基本需求。这种设计思路不仅降低了用户的硬件门槛，也为更多普通消费者提供了使用先进AI技术的机会。

在开源大模型领域，阿里云的Qwen系列一直是标杆之作。其中，Qwen3.8 27B版本凭借强大的社区支持和持续优化，已经成为可以本地部署的热门选择。尽管如此，DeepSeek的新模型依然备受关注，因为它不仅具备相似的功能，还可能在成本控制方面更具优势。

值得注意的是，DeepSeek的定价策略一直以其亲民著称。例如，其V4.1 Flash模型在闲时缓存命中情况下，每百万Token输入仅需0.02元，远低于竞争对手。即便是在缓存未命中时，输入和输出费用也分别仅为1元和4元，而高峰时段则升至2元和8元。这种灵活的价格机制使得DeepSeek在面对OpenAI GPT-6降价冲击时依然保持竞争力。

近期，OpenAI发布了GPT-6系列新模型，包括Sol和Luna两个版本。其中，Luna的API价格降至每百万Token输入0.1美元、输出0.5美元，约合人民币0.7元和3.5元。这一降价幅度显著，使得Luna在高频、规模化工作场景中更具吸引力。然而，DeepSeek凭借其长期积累的缓存效率优势，依然能够在某些特定场景下提供更具性价比的选择。

从技术角度看，DeepSeek的新轻量级模型预计将在多个维度上与现有解决方案展开竞争。首先，在硬件适配方面，它将覆盖更广泛的显卡型号，从而吸引更多普通用户。其次，在功能支持上，该模型预计将涵盖JSON输出、工具调用、响应API等多种实用特性，满足不同应用场景的需求。最后，在价格体系方面，DeepSeek有望延续其一贯的低定价策略，为用户提供更具性价比的选择。

总体而言，DeepSeek正在通过开发轻量级本地模型，进一步巩固其在AI领域的竞争优势。随着市场竞争的加剧，如何在保证性能的同时降低成本，将成为决定未来成败的关键因素。对于普通用户而言，这意味着他们将有机会以更低的成本体验先进的AI技术，从而推动整个行业的普及和发展。

图表显示了DeepSeek两款主要模型（deepseek-flash和deepseek-v4-pro）在BASE URL、模型版本、思考模式、上下文长度、输出长度及功能支持等方面的详细对比。可以看出，deepseek-v4-pro在深度搜索能力、非思考与思考模式切换、以及更长的上下文支持方面具有明显优势，适合需要更高精度和复杂任务处理的场景；而deepseek-flash则在缓存命中情况下的成本控制上表现优异，特别适合高频次、低成本的应用需求。

该图表展示了AutomatonBench测试中，不同AI模型在成本与性能之间的权衡关系。可以看出，GPT-6 Sol在专业工作和Agent任务上表现出色，特别是在低推理强度下，其成本效益比显著优于Claude Opus 5和Fable 5.1。这表明，尽管DeepSeek在缓存命中情况下的成本优势明显，但在某些特定任务上，GPT-6 Sol依然具有不可忽视的竞争优势。