🖼 #互联网观察 #谣言
#互联网观察 #谣言
▎辟谣：Deepseek使用率从50%暴跌至只有3%？
近日，有媒体援引数据称，DeepSeek使用率在半年内“从50%暴跌至3%”、“暴跌94%”等，并将其归因于R2模型难产、幻觉问题严重、GPU短缺等技术与基础设施劣势。然而，当我们真正回到数据和事实本身，会发现这篇报道不但夸大其词，更在关键层面上存在逻辑混乱和偷换概念。
误导一：所谓“暴跌94%”“50% 暴跌到3%”的数字根本站不住脚
中文媒体的文章主要援引SemiAnalysis发布的《AI App User Index vs DeepSeek Market Share》图表。而查看原文可以得知，DeepSeek的市场份额在2025年1月冲高至8%，此后经历波动，在5月仍维持在约4.5%。这与报道中声称的“跌至3%”显然不符，更谈不上其它文章所谓“暴跌94%”。与此同时，整个AI用户指数（AI App User Index）仍在持续上涨，说明市场在扩大。
误导二：网页访问量减少 ≠ 模型使用量下滑
报道引用的另一个依据是DeepSeek官网在2月至5月间的访问量下降了29%（从6.14亿次降至4.36亿）。但据同一来源指出，DeepSeek的第三方调用量在同期激增，token总调用量增长近20倍。特别是在OpenRouter平台上，DeepSeek模型的调用量持续高涨，成为多个推理平台的主力模型。这说明官网访问量下降，并不等同于“用户抛弃”了DeepSeek模型，反而证明其去中心化部署战略正在奏效。
误导三：DeepSeek性能并未落后，反而可能是高性价比代表
SemiAnalysis提供的多张对比图清晰显示，在价格与延迟权衡方面，DeepSeek R1依然具有强大竞争力。在推理成本方面，DeepSeek以 $0.55/Mtok（输入） 和 $2.19/Mtok（输出） 的价格，远低于OpenAI o1（$60）和Anthropic Sonnet 3.7（$20+）。而在性价比与吞吐能力的综合对比中，DeepSeek始终处于优胜梯队，尤其在面向成本敏感型开发者与平台应用时优势尤为明显。
此外，尽管DeepSeek模型在延迟和上下文窗口方面略有取舍，但其目标是优化算力分配，将更多资源用于模型训练与研发，尤其是迈向AGI的长期方向。这种选择并非技术短板，而是一种战略性资源调度。
▎Semianalysis 报道原文
总结：少看垃圾中文媒体，多看看原文和事实。
https://semianalysis.com/2025/07/03/deepseek-debrief-128-days-later/#speed-can-be-compensated-for
频道 @AppDoDo 官推 @APPDOTG
▎辟谣：Deepseek使用率从50%暴跌至只有3%？
近日，有媒体援引数据称，DeepSeek使用率在半年内“从50%暴跌至3%”、“暴跌94%”等，并将其归因于R2模型难产、幻觉问题严重、GPU短缺等技术与基础设施劣势。然而，当我们真正回到数据和事实本身，会发现这篇报道不但夸大其词，更在关键层面上存在逻辑混乱和偷换概念。
误导一：所谓“暴跌94%”“50% 暴跌到3%”的数字根本站不住脚
中文媒体的文章主要援引SemiAnalysis发布的《AI App User Index vs DeepSeek Market Share》图表。而查看原文可以得知，DeepSeek的市场份额在2025年1月冲高至8%，此后经历波动，在5月仍维持在约4.5%。这与报道中声称的“跌至3%”显然不符，更谈不上其它文章所谓“暴跌94%”。与此同时，整个AI用户指数（AI App User Index）仍在持续上涨，说明市场在扩大。
误导二：网页访问量减少 ≠ 模型使用量下滑
报道引用的另一个依据是DeepSeek官网在2月至5月间的访问量下降了29%（从6.14亿次降至4.36亿）。但据同一来源指出，DeepSeek的第三方调用量在同期激增，token总调用量增长近20倍。特别是在OpenRouter平台上，DeepSeek模型的调用量持续高涨，成为多个推理平台的主力模型。这说明官网访问量下降，并不等同于“用户抛弃”了DeepSeek模型，反而证明其去中心化部署战略正在奏效。
误导三：DeepSeek性能并未落后，反而可能是高性价比代表
SemiAnalysis提供的多张对比图清晰显示，在价格与延迟权衡方面，DeepSeek R1依然具有强大竞争力。在推理成本方面，DeepSeek以 $0.55/Mtok（输入） 和 $2.19/Mtok（输出） 的价格，远低于OpenAI o1（$60）和Anthropic Sonnet 3.7（$20+）。而在性价比与吞吐能力的综合对比中，DeepSeek始终处于优胜梯队，尤其在面向成本敏感型开发者与平台应用时优势尤为明显。
此外，尽管DeepSeek模型在延迟和上下文窗口方面略有取舍，但其目标是优化算力分配，将更多资源用于模型训练与研发，尤其是迈向AGI的长期方向。这种选择并非技术短板，而是一种战略性资源调度。
▎Semianalysis 报道原文
总结：少看垃圾中文媒体，多看看原文和事实。
https://semianalysis.com/2025/07/03/deepseek-debrief-128-days-later/#speed-can-be-compensated-for
频道 @AppDoDo 官推 @APPDOTG
