DeepSeek vs ChatGPT: kostnad, kvalitet og det folk overser

Det korte svaret

På tekstresonnering, matematikk og kode er DeepSeek reelt konkurransedyktig med ledende vestlige modeller, og det koster en brøkdel å kjøre gjennom et API. Dette er ikke hype, det er grunnen til at bransjen fulgte nøye med da R1 kom, og hvorfor alle leverandørers priser har vært under press siden.

På alt annet enn selve modellen ligger ChatGPT foran, og det er ikke jevnt. Bilde- og lydforståelse, tale, kodekjøring på egne filer, koblinger, egendefinerte assistenter, verktøyene for utviklere, påliteligheten under belastning, dokumentasjonen, økosystemet. Hvis du velger en daglig assistent fremfor en modell å bygge på, betyr dette gapet mer enn benchmarkscorene. Det samme skillet mellom produkt og modell dukker opp i Grok vs ChatGPT sammenligningen.

Det ærlige rammeverket er altså ikke "hvem er best". Det er "kjøper du en modell eller et produkt?" DeepSeek selger en veldig god modell veldig billig. OpenAI selger et produkt med en veldig god modell inni. Det er to forskjellige kjøp.

Først, hvilken DeepSeek snakker du om?

Nesten alle forvirrede DeepSeek-diskusjoner kommer fra at to personer snakker om forskjellige ting. Det finnes tre distinkte måter å bruke den på, og de skiller seg på pris, personvern og hva du har lov til å gjøre med resultatet.

	Appen og nettsiden	DeepSeek API-et	De åpne vektene
Kostnad	Gratis	Svært lav per token	Egen datakraft
Hvor dataene dine går	DeepSeeks servere	DeepSeeks servere	Der du selv kjører den
Kan du kjøre den selv	Nei	Nei	Ja
Kan du finjustere	Nei	Nei	Ja
Emnerestriksjoner	Ja, på politisk sensitive temaer	Ja	Redusert, men trenet atferd henger igjen
Godt egnet for	Å prøve den ut	Billig tekst og kode i produksjon	Personvernfølsomt eller regulert arbeid

Den tredje kolonnen er den folk glemmer, og den er den mest interessante. DeepSeek publiserer modellvekter under en liberal lisens, som betyr at modellen kan lastes ned, kjøres på egen maskinvare, driftes av en leverandør i din egen jurisdiksjon, og tilpasses. Ingen ledende vestlig lab gjør dette med sine beste modeller.

Den praktiske konsekvensen: et team som ikke kan sende data til et kinesisk selskap kan likevel bruke DeepSeek ved å kjøre vektene selv eller gjennom en leverandør som drifter dem et annet sted. Hvis du leser at et land har forbudt DeepSeek, mener de så godt som alltid appen og den driftede API-tjenesten, ikke vektene.

Der DeepSeek er reelt konkurransedyktig

Resonnering og matematikk. Resonneringslinjen er DeepSeeks sterkeste arbeid. På vanskelige flertrinnsproblemer, konkurransematematikk og logikkoppgaver presterer den på samme nivå som modeller som koster langt mer å kjøre. Har du et problem med et verifiserbart riktig svar, er det verdt å teste her først.

Kode. Solid på implementering, refaktorering, feilsøking og forklaring av ukjent kode. Ikke best på resonnering over store kodebaser, der et svært stort kontekstvindu hjelper mer, men sterk per krone med god margin.

Synlig resonnering. Resonneringsmodellene viser arbeidet sitt på en måte som er reelt nyttig for gjennomgang. Når svaret er feil, kan du som regel se hvilket steg som gikk galt, noe som er mer verdt enn det høres ut når du kontrollerer resultatet i stedet for å stole blindt på det.

Kostnad. Dette er hovedsaken. DeepSeek V3.2 lister $0.269 per million input-tokener og $0.40 per million output, mot $5 og $30 for GPT-5.5, som gir omtrent $0.0005 per standardsvar mot $0.02 (Whizis modellkostnadsindeks, august 2026). Cache-rabatter utvider gapet ytterligere. For alt som kjøres i volum er ikke dette en liten besparelse, det er forskjellen på om en funksjon er levedyktig eller ikke.

Effektivitet som designmål. Det interessante ved DeepSeeks forskning er arkitektonisk: mixture-of-experts-ruting, glissen oppmerksomhet, og treningsteknikker som gir ledende resultater uten ledende budsjetter. Dette arbeidet er publisert, og det har tydelig påvirket hvordan alle andre priser og bygger.

Der ChatGPT ligger klart foran

Multimodalt arbeid. Gi ChatGPT et skjermbilde, et bilde av en tavle, et diagram eller en skannet faktura, og den håndterer det bra. DeepSeeks tekstmodeller er tekstmodeller. Hvis arbeidet ditt involverer bilder, er dette avgjørende i seg selv.

Verktøybruk og kodekjøring. ChatGPT kan kjøre kode mot dine opplastede data, lage et diagram og gi deg filen. Denne arbeidsflyten, pluss koblinger til arbeidsverktøy, er en produktegenskap, og ingen modell alene erstatter den.

Pålitelighet og kapasitet. DeepSeeks driftede tjeneste har hatt synlige perioder med degradering og pauser i påmelding under belastning. Bygger du noe kunder er avhengige av, betyr oppetidshistorikk like mye som kvalitet.

Økosystem. SDK-er, godt dokumentert funksjonskalling, integrasjoner, svar fra andre brukere på uvanlige problemer, og et rekrutteringsgrunnlag som allerede kan verktøyene. Når du treffer et rart edge case klokken to om natten, er sjansen for at noen har skrevet om det mye høyere.

Konsistent atferd. ChatGPT følger kompliserte formaterings- og rolleinstruksjoner mer pålitelig gjennom lange samtaler. DeepSeek driver mer, noe som viser seg raskt i agentlignende arbeidsflyter der samme prompt kjøres tusen ganger.

Tale, bilder ut og alt annet. Generering utover tekst er en stor del av det folk betaler for, og er egentlig ikke en del av DeepSeeks tilbud.

Kostnadssammenligningen, gjort skikkelig

Bruker du et chattegrensesnitt, betyr denne delen knapt noe: DeepSeeks app er gratis og ChatGPT Plus koster $20 i måneden. Hopp videre.

Bygger du noe som helst, forsterkes forskjellen per token raskt. Ta en realistisk kundestøtte-arbeidsflyt: 2000 input-tokener og 500 output-tokener per forespørsel, 50 000 forespørsler i måneden. Det er 100 millioner input-tokener og 25 millioner output-tokener. Med GPT-5.5s listepriser ($5 per million input, $30 per million output) koster måneden $1,250. Med DeepSeek V3.2s priser ($0.269 og $0.40) koster samme arbeidsmengde omtrent $37, et gap på over 30 ganger. Selv etter prisreduksjonene DeepSeek selv utløste i bransjen, har dette gapet holdt seg bredt.

Tre ting som endrer regnestykket, og som folk gjerne overser:

• Resonneringsmodeller genererer mange tokener du aldri ser. Utvidet tenkning kan være flere ganger så mye som det synlige svaret. Billig per token ganger langt flere tokener er ikke alltid billig. Mål totalt antall tokener, ikke pris per token.
• Cache-prising betyr mer enn listepris for alt med en stabil systemprompt. En stor rabatt på gjentatt input kan slå en lavere skiltpris.
• Den billigste modellen som består evalueringen din vinner. Ikke den beste modellen. Bygg et lite testsett med reelle input og kjente gode svar, og kjør det mot begge. De fleste produksjonsarbeidsflyter trenger ikke en ledende modell, og det finner du bare ut ved å måle.

Et fornuftig mønster for team: rut det meste av trafikken til den billige modellen, eskaler til den dyre når tilliten er lav eller oppgaven er høyt risikofylt. Det er mye enklere å bygge når du ikke er låst til én leverandørs API.

Personvern, jurisdiksjon og sensur

Dette fortjener en faktabasert tilnærming fremfor en skremmehistorie, fordi detaljene avgjør om det i det hele tatt gjelder deg.

Hvor dataene går. DeepSeeks driftede tjeneste behandler og lagrer data på servere i Kina, og personvernerklæringen sier det. Kinesisk lov gir myndighetene bredere tilgang til data lagret innenlands enn de fleste vestlige regelverk gjør. Om dette betyr noe avhenger helt av hva du sender. Et spørsmål om en oppskrift er ingen risiko. Kundekontrakter, pasientdata, ulansert kode eller alt som dekkes av GDPR eller en databehandleravtale er en annen sak. Personvernsammenligningen for chatboter legger disse retningslinjene side om side for alle store leverandører.

Regulatorisk respons. Flere land og reguleringsmyndigheter har begrenset DeepSeek-appen på offisielle enheter eller i sine jurisdiksjoner, med henvisning til databehandling. Har organisasjonen din en innkjøps- eller sikkerhetsvurderingsprosess, kan du regne med at den driftede tjenesten stryker, og at avgjørelsen handler om jurisdiksjon, ikke om modellkvalitet.

Innholdsbegrensninger. Den driftede tjenesten avslår eller unnviker politisk sensitive temaer, spesielt de som er sensitive i Kina. Å kjøre de åpne vektene reduserer dette, siden avvisningslaget delvis ligger i drifts-stacken, men noe atferd er trenet inn og forsvinner ikke helt. Berører arbeidet ditt historie, geopolitikk eller noe sammenlignende om regjeringer, bør du teste det før du stoler på det.

Løsningen som faktisk fungerer. Bruk de åpne vektene gjennom en leverandør som drifter dem i din egen jurisdiksjon, eller kjør dem selv. Du beholder kostnads- og kvalitetsfordelene, og spørsmålet om hvor data lagres forsvinner. Dette er nøyaktig grunnen til at åpne vekter betyr noe strategisk, langt utover velviljegesten de av og til blir lest som.

For en fyldigere sammenligning av hvordan de store leverandørene håndterer chattedata, lagring og opt-out fra trening, dekker prisguiden for AI-abonnementer kjøpersiden, og hver leverandørs gjeldende retningslinjer er den autoritative kilden for resten.

Hvem bør bruke hva

Hvis du er	Bruk	Fordi
En vanlig daglig bruker	ChatGPT	Produktet rundt modellen utgjør mesteparten av verdien
Kostnadsbevisst og bygger i volum	DeepSeek API	Mer enn 30 ganger billigere til listepriser for tekst og kode
I en regulert bransje	DeepSeek åpne vekter, selvdriftet, eller en vestlig modell	Datalagringssted er hele spørsmålet
Driver med tung matematikk eller logikk	Test begge	DeepSeek er reelt sterk her og billig å prøve
Jobber med bilder, lyd eller filer	ChatGPT	DeepSeeks tekstmodeller dekker ikke dette
Kjører en agentløkke i produksjon	ChatGPT, deretter optimaliser	Konsistens i instruksjonsfølging slår pris i starten
Forsker eller eksperimenterer	Begge	Kostnaden ved å prøve DeepSeek er nær null

Mønsteret de fleste team lander på er ikke enten eller. Det er en billig, kapabel modell for volumarbeidet, en ledende modell for de vanskelige tilfellene og alt kundevendt, og en rutingregel mellom dem. Det er en fornuftig arkitektur, og det er derfor låsing til én leverandør er verdt å unngå selv om du liker leverandøren. Hvis den ledende halvparten av det paret er Anthropic i stedet for OpenAI, kjører Claude vs DeepSeek samme sammenligning mot Claude.

Vil du teste DeepSeeks resonnering mot GPT, Claude og Gemini uten å åpne fire kontoer og uten å sende noe til en driftet kinesisk endepunkt, inkluderer Whizi alle sammen på ett abonnement, og kostnadsgapet følger med: en DeepSeek V3.2-melding bruker 1 kreditt mot 20 for GPT-5.5. Kjør samme prompt gjennom to modeller, behold det beste svaret, og se sammenligning av modeller side om side for hvordan det fungerer i praksis.