当前位置: 首页 > news >正文

微软考虑将 DeepSeek 接入 Copilot,只因美国模型太贵了

微软考虑将 DeepSeek 接入 Copilot,美国模型太贵了

6 月 23 日,微软 CEO 纳德拉在接受采访时确认,正在考虑将 DeepSeek 模型接入 Copilot 平台。

核心原因只有一个:美国模型太贵了。

价格差距有多大

DeepSeek-V4 的价格是每百万输出 token 0.28 美元。作为对比,GPT-5.5 是 15 美元,Claude Opus 4.8 是 20 美元。价格差距是 50-70 倍。

微软 Microsoft 365 有数亿用户,如果每个人每天用 Copilot 做几个操作,token 消耗量是天文数字。全部用 OpenAI 或 Anthropic 的模型,成本根本无法控制。

安全争议

当然,美国国内不是没有反对声音。众议院中国特别委员会已经对中国模型在美国企业的采用展开了调查。2026 年 4 月,Booz Allen 发布了一份报告,称中国 LLM 在代码漏洞和政治偏见注入方面存在更高风险。

微软的回应策略是:在 Azure 云环境中对 DeepSeek 进行微调,添加额外的安全护栏,确保数据驻留。

这是一个信号

微软从"All in OpenAI"转向多模型战略,不是因为 OpenAI 不够好,而是因为商业逻辑决定了垄断模型不可持续

纳德拉的原话是:“少数模型垄断市场的结构不会为大众所接受。”

这句话翻译一下就是:微软不想把命运交给 OpenAI 一家。

AWS 和谷歌云也在做同样的事——多模型生态。未来的云服务商不会只卖一个模型,而是卖一个"模型超市"。

对开发者的影响

  1. DeepSeek 的企业级采用加速。微软背书之后,更多企业会认真考虑用 DeepSeek
  2. 模型价格继续下降。大客户议价能力越强,API 价格越低
  3. 安全合规会成为模型选择的关键维度。不是能力够不够,是你有没有通过安全审查

总结

微软接入 DeepSeek 不是技术问题,是商业问题。模型能力够了,价格差 50 倍,商业逻辑自然会推动选择。安全争议是阻力,但挡不住成本这个驱动力。

你觉得微软会用 DeepSeek 吗?对 OpenAI 的影响有多大?
本文由 Zyentor(智元界)原创发布


本文发布于 Zyentor(智元界) —— AI 开发者社区
原文链接:https://www.zyentor.com/news/4099

http://www.jsqmd.com/news/1077383/

相关文章:

  • 数据处理进阶:大规模特征工程管道——从原始数据到模型输入的工业化转换
  • 眼底图像CNN可解释性分析实战:Grad-CAM与LIME双验证
  • 大模型能直接生成可运行卡丁车游戏吗?实测DeepSeek V4 Pro与GPT-5.5工程落地能力
  • dedao-dl:让你的知识投资永不“过期”——得到课程本地化保存全攻略
  • 构建高性能游戏模组生态:HS2-HF Patch的模块化架构设计与实现
  • 董事、高管给公司造成损失要赔吗?什么是忠实勤勉义务?
  • AgentKit与n8n选型指南:意图执行层vs系统集成层
  • 提示工程实战:从认知契约到Tree-of-Thought的工业级落地
  • 防爆对讲机防爆等级完整区分方法与采购铭牌核对自查清单(GB3836国标,行业通用)
  • ISO26262 功能安全考试---历年真题(汇总)
  • ComfyUI-Impact-Pack实战指南:5大场景解决AI图像处理核心难题
  • 深蓝词库转换:告别输入法切换烦恼的终极解决方案
  • Apache Spark完整指南:从零开始掌握大数据处理的终极武器
  • 非线性椭圆方程临界增长问题的存在性与分歧分析:从Sobolev嵌入到Crandall-Rabinowitz定理
  • 生产级机器学习服务:从模型部署到可观测性实战
  • 计算机Django毕设实战-基于 Django 的患者健康管理辅助系统的设计与实现 基于 Django 的门诊智能问诊辅助系统【完整源码+LW+部署说明+演示视频,全bao一条龙等】
  • 记一次C++调用Java下载接口偶发失败的排查与优化:从时间戳冲突到UUID
  • 2026 全网安 CTF 竞赛完整实战手册!解读当年赛事新趋势、精选优质大赛、全套备考方案,零基础稳步冲刺赛场奖项
  • 微信小程序逆向工程终极指南:5步掌握wxapkg文件解包技术
  • 【WMM详细说明】
  • 还在为复杂的ADB命令而烦恼?QtAdb让Android设备管理变得像点外卖一样简单
  • LLM API 调用成本优化实战:从月烧 3000 到 300,我的经验总结
  • 22年AI老兵拆解:Loop Engineering到底是不是新瓶装旧酒
  • 【IntelliJ IDEA 2024终极安装手册】:覆盖Windows/macOS/Linux全平台、JDK适配、激活避坑与性能调优的12个关键步骤
  • 1.3 java面试题:索引优化(以 MySQL InnoDB 为例)
  • 模板驱动型文档自动化:四层架构实现批量文档工程化生产
  • Triton模型服务化实战:从Notebook到K8s的生产就绪路径
  • 体育中心场馆能源监测可视化管理平台方案
  • VulnHub 靶机保姆级修复:无法获取 IP/arp-scan 扫不到靶机 完整解决指南
  • 颠覆传统CAD设计:基于SvelteKit的AI驱动文本转3D模型解决方案