DeepSeek V4 Flash 成本效益颠覆

DeepSeek-V4-Flash-0731 是一款专家混合模型，总参数量为 2840 亿，但每个 token 仅激活 130 亿参数 ^[1]，并搭配混合压缩注意力机制，显著降低了其 100 万 token 上下文窗口的内存占用 ^[1]。这种组合——将大部分计算从模型主体中路由出去，再压缩长对话的内存成本——正是 DeepSeek 能够在缓存未命中时对每百万输入 token 收取 0.14 美元、输出 token 仅收 0.28 美元的原因 ^[2]，几乎在每 token 基础上压倒了所有前沿实验室。

然而真正的焦点是缓存命中价格：每百万输入 token 仅 0.0028 美元，相比缓存未命中价格折扣高达 98% ^[2]。这一定价结构透露出明确意图——它专为重复性代理模式设计，例如工具 schema 或系统提示在会话中被数千次复用，而非一次性聊天查询。Reddit 上的技术讨论指出，其核心技术在于多头潜在注意力（Multi-head Latent Attention）压缩 KV 缓存，加上自 V3.2 版本延续下来的强化学习后训练增益——这正是 DeepSeek 自 R1 以来持续迭代的架构脉络，如今已足够成熟，使常规编码和代理任务的成本降至几分之一美分。

OpenAI 在 V4-Flash-0731 发布前夕，将 GPT-5.6 Luna 的价格下调约 80%——输入从每百万 token 1 美元降至 0.20 美元，输出从 6 美元降至 1.20 美元 ^[3]。即便如此，DeepSeek 的新定价仍比这一已大幅折扣的 GPT-5.6 Luna 输出价格低约 4.3 倍 ^[3]。投资者迈克尔·伯里（Michael Burry）认为 OpenAI 的降价实属防御之举，真正的故事是 OpenAI 在为 DeepSeek 的发布做准备，而非单纯向客户传递效率红利 ^[3]，而 OpenAI 官方声明则坚称降价反映的是智能成本降低，从而扩展 AI 可负担的应用场景，而非出于竞争恐慌 ^[3]。

Ciente 的分析进一步凸显了这场博弈的关键：DeepSeek 无需在推理能力上超越 Claude 或 GPT-5.6，只需让常规企业工作负载变得异常便宜即可 ^[4]。在标准化测试套件中，V4-Flash 的成本约为 3 美分，而 GPT-5.6 Sol 则高达 1.86 美元 ^[4]——这一差距足以重塑采购决策，而不仅仅是榜单排名。

重新训练的 0731 版本不仅更便宜，而且在实际消耗大量 token 的任务上能力显著提升。其在 Artificial Analysis 智能指数中的得分相比 4 月预览版跃升 10 分至 50 分 ^[2]，而在 Terminal-Bench 2.1（一项代理命令行任务基准）中，得分上升 17 分至 79%，接近 Opus-4.8 的 85.0 分，并超过 DeepSeek 自家更昂贵的 V4-Pro-Preview ^[2]。另一项对该基准的独立评估甚至给出更高分数：82.7% 对比 V4-Pro-Preview 的 72.1% ^[2][5]——无论哪种数据，都表明一个廉价模型击败同厂高端旗舰的故事成立。

这种能力跃升不仅体现在基准图表中，也反映在真实路由数据上。OpenRouter 报告称，V4-Flash 在其原始发布一个月内即占 DeepSeek 代理类 token 流量的 70%，而 DeepSeek 在该平台的整体 token 份额从 2026 年 1 月的 9% 翻倍至 6 月的 18%，并于 5 月中旬成为 OpenRouter 上使用最多的模型 ^[6]。社交媒体讨论也印证了这一点：内容创作者指出，一旦模型达到“足够好”的门槛，成本便取代原始基准分数成为决定因素，而自托管社区已开始在高端本地硬件上运行量化版本，完全避免按 token 付费。

最明显的信号是：这已不仅是开发者论坛的话题——与 V4-Flash 消息直接相关的 AI 基础设施关联股票出现报告性下跌，包括英伟达（Nvidia）约 17%、甲骨文（Oracle）、博通（Broadcom）和 AMD 下跌 12–20%，微软（Microsoft）跌幅超 3% ^[7]。逻辑很直接——当前大量 AI 基础设施建设的定价假设是推理将持续昂贵且利润丰厚；而一个完整测试套件仅需 3 美分的模型直接挑战了这一前提 ^[4]。

媒体将此描述为 AI 定价‘归零竞赛’的加速 ^[8]，这与 OpenRouter 的采用数据一致：足够便宜的智能正在快速夺取 token 份额，真正受威胁的是西方实验室的高端企业定价模式——这些收入原本用于资助前沿模型训练，而不仅仅是它们的排行榜位置。