# DeepSeek vs Kate

DeepSeek 每月有 372,761,591 次造訪，月增率 +4.3%，定價模式為免費增值。Kate 每月有 0 次造訪，成長率 0%，定價模式為免費增值、免費。

| 指標 | [DeepSeek](https://openaitools.app/tw/tool/deepseek) | [Kate](https://openaitools.app/tw/tool/kate) |
| :--- | :--- | :--- |
| 網站網址 | https://www.deepseek.com | https://shopwithkate.ai |
| 分類 | Large Language Models (LLMs), 開源 AI 模型, AI API, AI 聊天機器人 | 時尚 AI, AI 購物助手, AI 助手, AI 穿搭生成器 |
| 定價模式 | 免費增值 | 免費增值、免費 |
| 每月造訪次數 | 372,761,591 | 0 |
| 月成長率 | +4.3% | 0% |
| 主要市場 | 中國 | 全球 |
| 直接造訪 | 291,585,405 | 0 |
| 評論分數 | 4.8 | 3.7 |
| 收藏數 | 44 | 0 |
| 支援平台 | 網站 | 網站 |

## DeepSeek

DeepSeek（杭州深度求索人工智能有限公司）是一家前沿 AI 研究機構，憑藉開源權重的透明性與突破性的混合專家（MoE）及強化學習推理效率，撼動了全球大模型市場。繼 DeepSeek-V3 與經過同儕審查的 DeepSeek-R1 推理模型發布之後，DeepSeek 於 2026 年推出 DeepSeek-V4 世代——採用混合注意力架構，原生百萬 token 上下文視窗，包含 DeepSeek-V4-Pro（總參數 1.6T，每個 token 啟用 49B）與 DeepSeek-V4.1-Flash（總參數 284B，啟用 13B）。

使用者可以透過三種方式使用 DeepSeek：完全免費地透過消費級網頁端（chat.deepseek.com）與行動應用使用，並可一鍵切換深度思考與即時網頁搜尋；透過 DeepSeek 託管的 OpenAI 相容開發者 API 呼叫；或是在私有基礎設施上自託管其開源權重檢查點（包括 V3、R1、Prover-V2 以及蒸餾的 Qwen/Llama 變體）。這些模型在競賽數學、演算法設計、程式碼倉庫級軟體工程與結構化資料擷取上表現優異，API 的自動上下文快取可將重複提示詞成本削減 95% 以上。

2026 年底，DeepSeek 仍是開發者與自動化工作流程的性價比標竿。消費級聊天介面維持免費，無需強制性的每月 20 美元訂閱方案；而開發者 API 在 2026 年底轉向 `deepseek-flash` 與 `deepseek-v4-pro` 兩個主要端點，並採用分時段計價。離峰時段的 API 呼叫，Flash 僅需每百萬輸入 token 0.15 美元（快取命中 0.003 美元）、每百萬輸出 token 0.60 美元，V4-Pro 為輸入 0.66 美元 / 輸出 1.98 美元，僅為可比西方前沿模型成本的一小部分。

**價格與方案:** chat.deepseek.com 的網頁與行動聊天應用免費；按用量付費的 OpenAI 相容 API 離峰價為：deepseek-flash（V4.1-Flash）輸入每百萬 token 0.15 美元（快取命中 0.003 美元）、輸出 0.60 美元；deepseek-v4-pro 輸入 0.66 美元（快取命中 0.022 美元）、輸出 1.98 美元（平日 UTC 尖峰時段按 2 倍計費）。

- **DeepSeek-V4 混合注意力與百萬上下文:** 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。
- **透明的思維鏈推理:** 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。
- **自動上下文快取與離峰 API 定價:** 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%。
- **免費消費級網頁與行動助理:** 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。
- **開源權重生態與自託管自由:** 在 Hugging Face 與 GitHub 上提供 DeepSeek-V3、R1、蒸餾變體與 Prover 模型的開源權重，使企業可在實體隔離環境中部署。

**優勢:** 完全免費的消費級網頁與行動應用，且包含深度推理與網頁搜尋; API token 單價極低（Flash 0.15/0.60 美元，V4-Pro 離峰 0.66/1.98 美元），快取輸入最高可省 98%; 與 OpenAI API 直接相容，模型切換或路由毫不費力; 強大的開源權重譜系讓團隊可自託管或微調，避免供應商鎖定

**限制:** 託管 API 與網頁應用將資料儲存在中國伺服器，導致部分西方企業與政府機構面臨合規限制; 尖峰時段（平日 UTC 01:00–04:00 與 06:00–10:00）API 價格為離峰的兩倍; 缺少 ChatGPT 與 Google Gemini 提供的原生語音模式、影片生成與生產力套件整合

[Profile (Markdown)](https://openaitools.app/tw/tool/deepseek.md)

## Kate

Kate 是面向一般消費者的 AI 時尚助理，自我定位為可以對話的個人造型師。產品存在於手機 App 中，而網站扮演輕量的入口：由 Kate 自我介紹，並提示下載 App。進入 App 後，助理協助處理買衣服的實務面，包括釐清要穿什麼、尋找穿搭靈感，以及收斂該買什麼。

核心價值在於個人化。使用者不必滑過無盡的商品目錄，只要說明自己在找什麼，Kate 就會給出符合其風格與興趣的穿搭點子與商品建議。它也會標示時尚優惠，對於想在同一個地方同時取得靈感與省錢資訊、而不必在造型部落格與折扣網站之間來回的人相當實用。

由於 Kate 是購物夥伴而非設計或商品企劃工具，它最適合想要輕鬆造型建議與更快決策的一般消費者。整體呈現刻意活潑親切，語氣溫暖並大量使用表情符號，顯示 Kate 想取悅購物者，而非打動時尚專業人士。

**價格與方案:** 以具備免費方案的 Freemium 模式列出。公開網站並未提供詳細價格表或方案比較，因此當前免費額度與付費升級內容請於 App 內確認。

- **個人化穿搭靈感:** Kate 依使用者表達的喜好與興趣產生穿搭建議，而不是對所有人顯示同一套千篇一律的內容。
- **購物推薦:** 助理會依使用者想找的東西推薦商品與造型，扮演對話式購物夥伴的角色。
- **優惠發掘:** Kate 會顯示時尚優惠，讓使用者在尋找造型靈感的同時發現折扣與活動。
- **對話式造型師:** Kate 以親切的造型師口吻與你對話，讓一般消費者也能輕鬆使用。

**優勢:** 提供個人化的穿搭與商品建議，而非套用同一份內容; 把造型靈感與優惠發掘整合在同一款助理中; 親切的對話語氣，讓一般消費者也能輕鬆理解造型建議; 已正式上架的手機 App，購物時可隨身使用

**限制:** 網站提供的產品資訊極少，幾乎所有評估都得在 App 內進行; 沒有公開的詳細價格資訊，難以事先得知免費方案的額度上限; 鎖定一般消費者，缺乏專業人士對造型軟體期待的深度

[Profile (Markdown)](https://openaitools.app/tw/tool/kate.md)

## 常見問題

### DeepSeek 與 Kate 的每月流量相比如何？

DeepSeek 每月有 372,761,591 次造訪，而 Kate 有 0。流量估算反映受眾規模，並非產品品質。

### 兩者的成長率相比如何？

DeepSeek 的月增率為 +4.3%；Kate 為 0%。

### 價格相比如何？

DeepSeek：免費增值。chat.deepseek.com 的網頁與行動聊天應用免費；按用量付費的 OpenAI 相容 API 離峰價為：deepseek-flash（V4.1-Flash）輸入每百萬 token 0.15 美元（快取命中 0.003 美元）、輸出 0.60 美元；deepseek-v4-pro 輸入 0.66 美元（快取命中 0.022 美元）、輸出 1.98 美元（平日 UTC 尖峰時段按 2 倍計費）。 Kate：免費增值、免費。以具備免費方案的 Freemium 模式列出。公開網站並未提供詳細價格表或方案比較，因此當前免費額度與付費升級內容請於 App 內確認。

## 替代方案

| # | 工具名稱 | 每月造訪次數 | 月成長率 | 定價模式 | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [ChatGPT](https://openaitools.app/tw/tool/chatgpt-4) | 6,048,022,723 | +2.2% | 免費增值 | 提供更強的多模態推理與智能體工具，但缺乏 DeepSeek 超低成本的 API 定價。 | [.md](https://openaitools.app/tw/tool/chatgpt-4.md) |
| 2 | [Google Gemini (Gemini Advanced / Google AI Pro & Ultra)](https://openaitools.app/tw/tool/gemini-gemini-advanced) | 2,637,398,242 | -0.1% | 免費增值 | 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。 | [.md](https://openaitools.app/tw/tool/gemini-gemini-advanced.md) |
| 3 | [Claude](https://openaitools.app/tw/tool/claude-2) | 1,253,439,413 | +23.8% | 免費增值 | 提供更優質的長篇程式碼產出與細緻寫作，但缺乏 DeepSeek 專門的開源權重推理模型。 | [.md](https://openaitools.app/tw/tool/claude-2.md) |
| 4 | [Grok](https://openaitools.app/tw/tool/grok) | 203,846,050 | -0.8% | 免費增值 | 具備即時 X 社群資料整合功能，但針對專門的開發者程式碼工作流程，其成本效益較低。 | [.md](https://openaitools.app/tw/tool/grok.md) |
| 5 | [Perplexity](https://openaitools.app/tw/tool/perplexity-ai) | 88,310,223 | -3.7% | 免費增值 | 即時 AI 答案引擎與研究工作區，將聯網引用與前沿推理模型結合。 | [.md](https://openaitools.app/tw/tool/perplexity-ai.md) |
| 6 | [Qwen 4 (通義千問 4)](https://openaitools.app/tw/tool/qwen-4) | 35,101,353 | -6.2% | 免費增值 | 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。 | [.md](https://openaitools.app/tw/tool/qwen-4.md) |
| 7 | [Cursor](https://openaitools.app/tw/tool/cursor) | 23,297,751 | +8.4% | 免費增值 | 打造宏圖軟體的 AI 編碼代理 | [.md](https://openaitools.app/tw/tool/cursor.md) |
| 8 | [Kimi AI](https://openaitools.app/tw/tool/kimi-chat) | 19,632,261 | -23.4% | 免費 | 擅長超長文件分析與研究，但缺乏同等級的開源權重開發者社群支援。 | [.md](https://openaitools.app/tw/tool/kimi-chat.md) |
| 9 | [Ollama](https://openaitools.app/tw/tool/ollama) | 9,421,973 | +4.3% | Free, Freemium, Paid | Enables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power. | [.md](https://openaitools.app/tw/tool/ollama.md) |
| 10 | [MOSSO](https://openaitools.app/tw/tool/mosso) | 1,370,961 | +26.1% | 付費 | 結合色彩分析、虛擬試穿與每日穿搭建議的 AI 私人造型師 | [.md](https://openaitools.app/tw/tool/mosso.md) |

---
來源：https://openaitools.app/tw/compare/deepseek-vs-kate

More Markdown: [分類](https://openaitools.app/tw/categories.md) · [流量排名](https://openaitools.app/tw/rankings.md) · [llms.txt](https://openaitools.app/tw/llms.txt)
