Šiuo metu nėra jokios konkrečios informacijos apie ilgalaikes naudojimo nuolaidas „Deepseeek-R1“ AWS ar Azure. Tačiau abi platformos siūlo įvairius kainų nustatymo modelius ir parinktis, kurios gali padėti efektyviai valdyti išlaidas.
AWS kainodaros aspektai
„AWS“ „Deepseek-R1“ galima diegti naudojant keletą variantų, įskaitant „Amazon Bedrock Marketplace“, „Amazon Sagemaker JumpStart“ ir „Amazon Bedrock“ pasirinktinio modelio importą. Kainos pirmiausia grindžiamos naudojimu, pavyzdžiui, suvartotais skaičiavimo ištekliais ar aktyvių modelių kopijų skaičiumi. Nors AWS aiškiai nesiūlo ilgalaikių nuolaidų „Deepseek-R1“, AWS išlaidų tyrinėtojo naudojimas gali padėti stebėti ir optimizuoti išlaidas, nustatant naudojimo modelius. Be to, stebėjimo įgyvendinimas naudojant „Amazon CloudWatch“ gali padėti valdyti išlaidas, stebint našumą ir naudojimo modelius [3] [6].
Azure kainų nustatymo aspektai
„Azure AI Foundry“ suteikia prieigą prie „Deepseek-R1“ kaip savo modelio katalogo dalį, siūlančią keičiamą ir įmonei paruoštą platformą. Nors konkrečios ilgalaikės „Deepseek-R1“ nuolaidos „Azure“ nėra išsamios, „Azure“ paprastai siūlo lanksčius kainų nustatymo modelius ir išlaidų valdymo įrankius. „Azure“ kainos paprastai grindžiamos naudojimu, o „Azure“ išlaidų valdymo įrankių naudojimas gali padėti optimizuoti išlaidas. „Azure AI“ liejyklos dėmesys sutelkiamas į greitą eksperimentavimą ir integraciją, kuri gali netiesiogiai sutaupyti išlaidų, supaprastinant AI plėtros procesus [9].
„Deepseek“ kainų nuolaidos
Pats „Deepseek“ savo modeliams siūlo kainų nuolaidas, įskaitant „Deepseek-R1“. Šios nuolaidos gali siekti iki 75% ne piko valandomis, o tai gali padėti sumažinti išlaidas ilgalaikiams vartotojams, kurie gali atitinkamai suplanuoti savo naudojimą [1] [7]. Tačiau šios nuolaidos nėra būdingos AWS ar Azure diegimui, tačiau taikomos tiesiogiai naudoti „Deepseek“ API.
Apibendrinant galima pasakyti, kad nors nėra aiškių ilgalaikių nuolaidų „Deepseeek-R1“ AWS ar Azure, abi platformos siūlo lankstus kainų nustatymo modelius ir įrankius efektyviai valdyti išlaidas. Vartotojams gali būti naudinga optimizavę jų naudojimo modelius ir, kai įmanoma, pasitelkti nuolaidas ne piko metu.
Citatos:
[1] https://www.pymnts.com/artificial-intelligence-2/2025/deepseek-houss-seep-ff-peak-discounts-to-spread- out-demand/
[2] https://apidog.com/blog/deepseek-r1-review-api/
[3] https://repost.aws/questions/quzc1_jmmesbmpauozqh5jca/guidance-on-aws-deepseek-ai- airping ir-deploard-options
[4] https://www.linkedin.com/posts/zhu-liang_deepseek-r1-is-better-and-heaper-wrong-actity-728814972271280128-vuyu
[5] https://www.bardeen.ai/answers/howuch---does-deepseek-cost
[6] https://aws.amazon.com/blogs/aws/deepseek-r1-now-available-as-a-fulsy-ainage-serverless-model-in-mazon-bedrock/
[7] https://api-docs.deepseek.com/quick_start/caricing
[8] https://www.statista.com/chart/33839/prices-for-processing-one-million-input-antput-tokens-on-different-ai-models/
[9] https://azure.microsoft.com/en-us/blog/deepseek-r1-is-now-avable-on-azure-ai-foundry-and-github/
[10] https://www.reddit.com/r/localllama/comments/1i8rujw/notes_on_deepseek_r1_just_how_how_it_is_compared/