Un recalcul place les revenus d'inférence de DeepSeek à 39,10 dollars par heure GPU, contre 38 annoncés
Une analyse publiée le 9 novembre recalcule les revenus d'inférence divulgués par DeepSeek à environ 39,10 dollars par heure GPU, contre les 38 dollars annoncés par l'entreprise le 20 octobre. L'écart est faible. Si le prix est aussi bas, c'est que 96 % des tokens d'entrée sont des succès de cache.

Ce que DeepSeek a publié, et ce que la vérification a trouvé
DeepSeek a publié une partie de DeepInfer, son framework d'inférence, le 20 octobre 2026.
Comparer les prix API par token revient en partie à comparer la façon dont chaque fournisseur réutilise le contexte en cache, pas seulement la vitesse de ses GPU. Une charge de requêtes courtes et non répétitives serait facturée très différemment de la requête moyenne de DeepSeek. L'entreprise affirme qu'un seul cluster traite 155 000 000 000 000 tokens par jour.
L'analyse de Yukio Takagi, publiée le 9 novembre, reconstruit ces 38 dollars à partir du débit divulgué et de la grille tarifaire publique. Un GPU de prefill et un GPU de decode rapportent ensemble 78,19 dollars par heure, soit 39,10 dollars chacun. Ce n'est pas une confirmation indépendante : les deux chiffres reposent sur les mesures de DeepSeek.
Le cache fait tenir le prix
L'entrée en cache coûte 0,003 dollar par million de tokens aux heures creuses. L'entrée non cachée coûte 0,15 dollar, cinquante fois plus, et la sortie 0,60 dollar.
La requête moyenne transporte 77 000 tokens d'entrée. Environ 95 % des tokens traités sont de l'entrée en cache. Ils ne produisent que 20 % environ des revenus, tandis que l'entrée non cachée et la sortie en rapportent environ 80 %. Une seule question courte réutilise peu de son entrée : le même GPU gagnerait donc moins par heure sur ce trafic.
Les succès de cache changent aussi le débit. Un GPU de prefill traite 1 500 000 tokens par seconde quand on compte les succès, et 60 000 sans eux, soit un écart de 25 fois. DeepSeek garde le cache sur environ 100 PiB de SSD, pendant trois jours pour les charges d'agents et sept jours pour le chat.
Ce que la marge laisse de côté
DeepSeek ne publie pas ce qu'il paie pour ses GPU. Toute marge dépend donc d'une hypothèse. À 2 dollars par heure GPU, le chiffre que DeepSeek avait utilisé dans un calcul de février 2025, la marge brute sur le temps GPU atteint environ 95 %. À 7 dollars, tarif cité d'après un post de Yuchen Jin sur X, elle tombe à environ 82 %.
Le calcul laisse aussi de côté le stockage du cache, la bande passante entre nœuds, la recherche et les coûts de personnel.
L'effondrement des prix derrière tout cela
Epoch AI estime que le prix d'un niveau fixe de performance en IA a chuté d'environ 47 % par trimestre depuis 2023. Soit environ 13 fois par an.
Le taux de succès de cache de DeepSeek était d'environ 56 % lorsqu'il a publié les chiffres de V3 et R1 en février 2025. Le taux actuel peut refléter un autre modèle et une autre mesure.
Together affirme que son Compiler a atteint 1 205 tokens par seconde sur DeepSeek v4.1-Flash, dans le cadre d'un gain de 2,6 fois sur les modèles ouverts de pointe en moins de 24 heures. Edoardo Vacchi, de Red Hat, explique que les répartiteurs de charge Kubernetes ordinaires cassent l'efficacité des LLM parce qu'ils ignorent le contexte conversationnel mis en cache.
Sources
18- 01Reading DeepSeek's Inference through Resource Allocation and Pricing Systems: A Verification of DisclosuresEN
- 02Together Compiler: Continual Compilation for AI InferenceEN
- 03Podcast: Distributed LLM Inference on Kubernetes with llm-d, Wasm, & TornadoVMEN
- 04AI Model Cost Statistics: Training, Inference and Token PricingEN
- 05Musk's Starlink Embraces 'Dynamic Pricing,' Further Jacking Up CostsEN
- 06GPU Infrastructure: Cloud Costs and Scaling for AIEN
- 07Can Optical AI Cut Data Center Inference Power Use?EN
- 08Green Hydrogen: India’s Big Ambitions, Costly RealitiesEN
- 09Anthropic's FlashProve proves which model wrote a reply, and its 72x costEN
- 10AWS Adds NVIDIA GPU Partitioning to SageMaker Inference EndpointsEN
- 11Gemini Omni 1.2 Flash: Fast and cost-effective with longer clipsEN
- 12E2E Networks Launches Blaze to Offer Pay-Per-Token AI Inference ServicesEN
- 13VMO2 to axe 30% staff costs, halt fiber build in £800M savings planEN
- 14Optimizing Reference Deletions in GitEN
- 15Launch HN: Rivet (YC W23) – Scale and Orchestrate Agents on S3EN
- 16Launch HN: Momentic (YC W24) – Agents that catch bugs by using your appEN
- 17Rivian, Ford and GM are using 3D printing to reduce costsEN
- 18Here's how much Trump's Iran war has added to Americans' fuel costsEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.