加载中…
头对头基准测试
DeepSeek vs Floatz
DeepSeek 记录了 372,761,591 月访问量，月度环比增长为 +4.3%，定价为免费增值。Floatz 记录了 253 月访问量，增长率为 -36.8%，定价为定价请咨询。
由 DeepSeek-V4 与 R1 驱动的高效开源权重与托管推理 AI，token 成本极低。
月访问量
3.73亿
月度环比增长率
+4.3%
主要市场
🇨🇳 中国
DeepSeek 记录了 372,761,591 月访问量，月度环比增长为 +4.3%，定价为免费增值。Floatz 记录了 253 月访问量，增长率为 -36.8%，定价为定价请咨询。
由 DeepSeek-V4 与 R1 驱动的高效开源权重与托管推理 AI，token 成本极低。
| 维度 / 指标 |  | |
|---|---|---|
| 官方域名 | deepseek.com | floatz.ai |
| 定价模式 | 免费增值 | 定价请咨询 |
| 月访问量 | 3.73亿 (372,761,591) | 253 (253) |
| 月度环比流量变化 | +1536.22万 (+4.3%) | -147 (-36.8%) |
| 主要市场与份额 | 🇨🇳 中国 (50.5%) | 🇨🇭 瑞士 (100%) |
| 直接访问 / 月 | 2.92亿 | 94 |
| 用户评分 | 4.8 | 3.8 |
| 支持的平台 | 网站 | 网站 |
由 DeepSeek-V4 与 R1 驱动的高效开源权重与托管推理 AI，token 成本极低。
依托稀疏混合专家架构（V4-Pro 为 1.6T 中的 49B 激活参数），以极低延迟与内存开销处理最多 100 万 token。
由 DeepSeek-R1 开创并融入 V3.2 与 V4 思考模式，对复杂数学、逻辑与代码调试展示逐步自校验过程。
缓存命中时，输入 token 成本降至 Flash 的每百万 0.003 美元与 V4-Pro 的每百万 0.022 美元，非高峰 UTC 时段费率再低 50%。
在 chat.deepseek.com 及 iOS/Android 上免费提供文档上传、推理模式与网页搜索，核心模型不必付费墙。
面向生物科技投资者的 AI 科学尽调平台
检索并分析大量科研论文，回答特定的研究或治疗领域问题。
把密集型文献提炼为易读、可溯源链接的摘要，结论均可回溯至原始论文。
在大量文献中帮助挖掘高潜力药物靶点与相关生物学通路。
围绕科学风险组织证据，帮助生命科学投资人在投出资金前审视投资逻辑。
提供巨大的上下文窗口与深度的 Google 生态系整合，但对于纯推理任务感觉较不够专精。
提供巨大的上下文窗口与深度的 Google 生态系整合，但对于纯推理任务感觉较不够专精。
免费 / 开源提供同等级的开源权重基础模型与多语言效能，但需要自行架构主机或第三方推理设定。
免费 / 开源Enables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power.
免费 / 开源Enables running open-source models locally on consumer hardware, but lacks DeepSeek's cloud-scale hosted reasoning power.
免费 / 开源Semantic Scholar is a free, non-commercial academic search engine built by the Allen Institute for AI (Ai2). It indexes more than 240 million papers from every field of science and uses machine learning to extract meaning from abstracts, citations, figures and tables, so researchers find relevant work faster than with keyword-only search.
免费 / 开源Semantic Scholar is a free, non-commercial academic search engine built by the Allen Institute for AI (Ai2). It indexes more than 240 million papers from every field of science and uses machine learning to extract meaning from abstracts, citations, figures and tables, so researchers find relevant work faster than with keyword-only search.
