加载中…
头对头基准测试
DeepSeek vs Roxy - AI 语音伴侣
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。Roxy - AI 语音伴侣记录了 27,212,532 月访问量，增长率为 -6.4%，定价为免费增值。
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。Roxy - AI 语音伴侣记录了 27,212,532 月访问量，增长率为 -6.4%，定价为免费增值。
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。
免手动 AI 语音聊天，聊天、语言练习与游戏
| 维度 / 指标 | | |
|---|---|---|
| 官方域名 | deepseek.com | itunes.apple.com |
| 定价模式 | 免费增值 | 免费增值 |
| 月访问量 | 3.73亿 (372,761,591) | 2721.25万 (27,212,532) |
| 月度环比流量变化 | +1536.22万 (+4.3%) | -187.02万 (-6.4%) |
| 主要市场与份额 | 🇨🇳 中国 (50.5%) | 🇺🇸 美国 (35.2%) |
| 直接访问 / 月 | 2.92亿 | 907.36万 |
| 用户评分 | 4.8 | 4.1 |
| 支持的平台 | 网站 | 应用 |
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。
免手动 AI 语音聊天，聊天、语言练习与游戏
在语音优先界面中自然地与 Roxy 交谈并听到语音回复，开车、做饭或放松时都无需触碰手机。
仅用语音即可玩知识问答、文字谜题、二十问等休闲游戏，随时获得娱乐。
通过互动对话练习新语言，或在需要时获取即时翻译。
新版本允许你选择底层大模型——Claude、DeepSeek、Gemini 或自定义模型，以调整对话风格。
提供流畅的多模态语音互动与宏大的上下文整合，但较不适合休闲陪伴游戏。
提供流畅的多模态语音互动与宏大的上下文整合，但较不适合休闲陪伴游戏。
专项更强Excels at high-accuracy translation and real-time voice translation, but does not offer conversational companion gameplay.
专项更强Excels at high-accuracy translation and real-time voice translation, but does not offer conversational companion gameplay.
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Offers a feature-rich self-hosted chat interface for local models, but requires you to provide your own underlying LLM backend.
免费 / 开源Offers a feature-rich self-hosted chat interface for local models, but requires you to provide your own underlying LLM backend.
