根据Sam Altman（@sama）在推特上发布的信息，AI模型训练成本在一年内下降了390倍（来源：Sam Altman推特，2025年12月11日）。这一突破性降本为初创企业和大型公司利用先进AI技术提供了前所未有的机会，大大降低了创新门槛。企业能够以更低成本开发和部署更大规模的AI模型，加速AI产品和服务的落地。这一趋势也促使云计算和AI基础设施公司进一步优化算力资源和定价策略，推动人工智能行业竞争升级。

根据ARC Prize（@arcprize）和Greg Brockman（@gdb）的消息，GPT-5.2 Pro在ARC-AGI基准测试中取得了90.5%的领先成绩，并在一年内实现了390倍的效率提升（来源：ARC Prize, Greg Brockman, 2025）。相比2024年OpenAI o3（High）版本以每个任务约4500美元获得88%准确率，最新GPT-5.2 Pro（X-High）以每个任务11.64美元获得更高准确率。这一突破大幅降低了AI推理成本，为教育、医疗、企业自动化等领域的AI大规模落地提供了强大支撑（来源：ARC Prize, 2025）。

根据推特用户@godofprompt消息，中国初创公司DeepSeek仅用600万美元和受限GPU开发出性能媲美OpenAI每百万Token需花费60美元的GPT模型，而DeepSeek模型每百万Token成本仅为0.55美元，实现98%成本降低。OpenAI为类似成果投入高达60亿美元。DeepSeek采用完全开源策略，表明中美AI技术差距迅速缩小，OpenAI的技术护城河被削弱，AI领域高估值更多依赖市场营销而非技术壁垒。对于AI产业来说，DeepSeek的创新为全球AI普及、企业级应用和价格竞争带来新机遇，也对美国AI公司现有商业模式可持续性提出挑战（来源：@godofprompt，Twitter，2025年11月9日）。

根据@DeepLearningAI报道，DeepSeek最新推出的685B专家混合（MoE）大模型采用相关性Token关注机制，实现了2-3倍长上下文推理速度提升，并将处理成本降低6-7倍，相较于上一代V3.1模型（来源：DeepLearning.AI Twitter，2025年10月22日）。V3.2模型权重采用MIT开源协议，通过API收费为每百万输入/缓存/输出Token分别为$0.28/$0.028/$0.42，推动开源和API商业模式发展。该模型专门针对华为及中国本土芯片进行优化，提升本地硬件兼容性。虽然整体性能与V3.1相近，但在代码生成和智能体等任务上略有提升，科学和数学领域略微下降，为中国市场和成本敏感型AI应用带来新商机（来源：DeepLearning.AI，The Batch）。