BasicAI Cloud 每月有 21,670 次造訪，月增率 -13.1%，定價模式為 Freemium, Enterprise Quote。DeepSeek 每月有 372,761,591 次造訪，成長率 +4.3%，定價模式為免費增值。
為 AI 訓練資料而生的標註平台與託管標註服務
由 DeepSeek-V4 與 R1 驅動的高效開源權重與託管推理 AI，token 成本極低。
| 面向／指標 | | |
|---|---|---|
| 官方網域 | basic.ai | deepseek.com |
| 定價模式 | Freemium, Enterprise Quote | 免費增值 |
| 每月造訪次數 | 2.17萬 (21,670) | 3.73億 (372,761,591) |
| 月流量變化量 | -3266 (-13.1%) | +1536.22萬 (+4.3%) |
| 主要市場與市佔 | 🇺🇸 美國 (21.7%) | 🇨🇳 中國 (50.5%) |
| 每月直接造訪 | 8706 | 2.92億 |
| 使用者評分 | 4.2 | 4.8 |
| 支援平台 | 網站 | 網站 |
為 AI 訓練資料而生的標註平台與託管標註服務
在單一平台內支援邊界框、多邊形、關鍵點、語意分割、3D 點雲立方體、文字/NLP 標註以及 RLHF 資料集建立。
涵蓋圖像、點雲與音訊的自動標註輔助，在維持精度的同時減少人工投入。
專案管理可適配團隊結構，支援自訂工作流程、進度追蹤與詳細績效報表。
即時回饋結合可自訂的批次質檢規則，及早發現問題並鎖定人工複核範圍。
由 DeepSeek-V4 與 R1 驅動的高效開源權重與託管推理 AI，token 成本極低。
依託稀疏混合專家架構（V4-Pro 為 1.6T 中的 49B 啟用參數），以極低延遲與記憶體開銷處理最多 100 萬 token。
由 DeepSeek-R1 開創並融入 V3.2 與 V4 思考模式，對複雜數學、邏輯與程式碼除錯展示逐步自驗證過程。
快取命中時，輸入 token 成本降至 Flash 的每百萬 0.003 美元與 V4-Pro 的每百萬 0.022 美元，離峰 UTC 時段費率再低 50%。
在 chat.deepseek.com 及 iOS/Android 上免費提供文件上傳、推理模式與網頁搜尋，核心模型無須付費牆。
提供巨大的上下文視窗與深度的 Google 生態系整合，但對於純推理任務感覺較不夠專精。
提供巨大的上下文視窗與深度的 Google 生態系整合，但對於純推理任務感覺較不夠專精。
免費 / 開源提供同等級的開源權重基礎模型與多語言效能，但需要自行架構主機或第三方推論設定。
免費 / 開源Enables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power.
免費 / 開源Enables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power.
免費 / 開源ModelScope (魔搭社区) is an open-source AI community and model service platform that hosts thousands of pretrained models, datasets, and ready-to-run demos, backed by Alibaba Cloud infrastructure.
免費 / 開源ModelScope (魔搭社区) is an open-source AI community and model service platform that hosts thousands of pretrained models, datasets, and ready-to-run demos, backed by Alibaba Cloud infrastructure.
免費 / 開源Offers a feature-rich self-hosted chat interface for local models, but requires you to provide your own underlying LLM backend.
免費 / 開源Offers a feature-rich self-hosted chat interface for local models, but requires you to provide your own underlying LLM backend.
