账单的大头是重复读

AI 助手干活时,送进模型的内容里大部分是它刚才已经读过的。这部分怎么计价,决定了账单长什么样。

让 AI 帮你改一个项目的代码,它不是读一遍就完事。你每提一个新要求,它都得把相关文件、工具说明、之前的对话再过一遍。这种能自己拆解任务、连续干活的 AI 程序叫 agent,它的特点就是循环:同一批材料被反复送进模型。

模型按 token(计价用的文本单位,一个英文单词大致算一到两个)收钱。厂商在这里找到了便宜可占。既然每次送进来的开头一大段都一样,就把算完的中间结果存下来,下次直接取,不重算。存下来的部分再被用到,叫 缓存命中;新出现的内容叫未命中。

命中的部分比未命中便宜得多,而 agent 的输入里,命中那部分往往才是大头。 DeepSeek 自己说,缓存命中的费用能占到 agent 成本相当大的一块。所以只拿各家挂在首页的那个「输入价」互相比,比的是账单里较小的那一半。

0.003 美元这个数

在「重读已缓存内容」这一项上,DeepSeek 的价格比 OpenAI、Anthropic 低了约一百六十倍。

低峰时段,V4.1-Flash 的缓存命中输入价是每百万 token 0.003 美元,未命中输入 0.15 美元,输出 0.60 美元。高峰时段这三个数全部翻倍。

同一项上,OpenAI 的 GPT-5.6 Sol 收 0.40 美元,Anthropic 的 Claude Opus 5 收 0.50 美元,月之暗面的 Kimi K3 收 0.30 美元。0.003 对 0.50,差约一百六十倍;就算按 DeepSeek 的高峰价 0.006 算,还差八十多倍。

这个比较并不完全对等。最低那档要求你在低峰时段跑,DeepSeek 规定的高峰是周一到周五的世界协调时 01:00 至 04:00 和 06:00 至 10:00,其余时间全算低峰。对于可以排期的批量任务,跑在什么时候本身就成了一个省钱开关。

把输入输出加在一起,低峰每百万 token 共 0.75 美元,在当前付费 API 价格榜上只落后于 Meta 的 Muse Spark 贡献者档和 MiMo-V2.5 Flash;高峰 1.50 美元,与 MiniMax-M3、LongCat 的促销价持平,仍远低于 4.50 到 8.00 美元的中档一群,更不用说 Claude Fable/Mythos 5.1、GPT-6 Astra 这些旗舰。

同一笔缓存读取的费用(美元) Claude Opus 5 25 美元 GPT-5.6 Sol 20 美元 Kimi K3 15 美元 DeepSeek 低峰 这条几乎没有长度 0.15 美元 高峰翻倍为 0.30 美元
同一个场景:一个 agent 反复复用 50 万 token 的固定开头,跑 100 次请求,合计读取 5000 万缓存 token。只算这部分读取费,四家差出约 167 倍。

多数公司算不出这笔账

便宜不便宜,超过一半的企业其实说不清。只有 47% 的公司称自己严格追踪 AI 的算力成本和回报。

VentureBeat Pulse Research 在 2026 年 7 月调查了 170 家员工数超过 100 人的企业。47% 说自己严格追踪 AI 算力成本与投资回报,也就是说 53% 没有。 即便只看已经把 AI 大规模跑在生产环境里的公司,这个比例也只到 56%。

更靠近本文话题的一项:12% 的企业说自己还没处理推理阶段的显存限制,比如缓存能装多少;另有 7% 根本不知道存在这个约束。

企业盯的是别的指标。把「每百万 token 成本」列为基础设施主要成功指标的只有 31%,排第一的是可用性与稳定性,51%;开发效率和上线速度 39%。采购时把总拥有成本列为首要标准的,只有 22%。

DeepSeek 这次把价格砍在了一个大部分客户还没装好仪表盘的位置上。

47% 严格追踪 AI 算力成本 与回报 31% 把每百万 token 成本 列为主要指标 22% 采购时把总拥有成本 列为首要标准
VentureBeat Pulse Research 2026 年 7 月对 170 家员工超 100 人的企业调查:近半数公司能严格追踪算力成本,意味着另外 53% 不能。

缩的是缓存,不是模型

V4.1-Flash 没把模型做小,它做大了近一倍,小下去的是缓存。

上一代 V4-Flash 的骨干是 2840 亿参数,V4.1-Flash 涨到 5520 亿,大了约 94%。技术报告还单列了 1960 亿参数的稀疏记忆模块。所以「Flash」这个名字已经不再意味着小。

真正变小的是缓存。DeepSeek 说,靠新的稀疏注意力和更低精度的缓存存储,全局缓存降到每个 token 890 字节,约为上一代的四分之一,持久化存储需求降到约八分之一。装满 100 万 token 的上下文(大致是几千页文档的量),缓存约占 890 MB。

计算量也被拆开了。40 层被劈成 20 层读输入、20 层写输出:读输入时每个 token 只激活 80 亿参数,生成输出时激活 160 亿。 常见的误读是把它当成全程 80 亿的小模型,只有读的那半程是。

DeepSeek 给的效率账是:序列够长时,读输入的计算量大致减半;上下文从 4000 token 撑到 100 万 token(涨了 256 倍),生成单个 token 的计算量只涨约 25%。模型更重了,但上下文变长带来的额外工作量涨得很慢。

对一个不停重读代码库的编程助手来说,这正是最吃劲的地方。

之前 之后 骨干参数 2840 亿 5520 亿 读输入时激活 130 亿 80 亿 生成时激活 130 亿 160 亿 每 token 缓存 约 3560 字节 890 字节
V4-Flash 到 V4.1-Flash:模型本身大了约 94%,读输入更省,生成更费,缓存只剩四分之一。

榜单有赢有输

在 DeepSeek 自己跑的测试里,它在编程题上险胜 Claude Opus 5,在终端操作题上输了一大截。

DeepSeek 报告 V4.1-Flash 在 DeepSWE v1.1 上拿到 74.2 分,略高于它给 Claude Opus 5 记的 74.0 和 GPT-5.6 Sol 的 73.0。另外在 CyberGym 上 88.1,AutomationBench 上 54.8。

但同一张表里,Claude Opus 5 在 Terminal-Bench 3.0 上以 43.3 比 30.0 领先,在 Terminal-Bench 4.0 上以 51.8 比 31.2 领先。GPT-5.6 Sol 则在 GPQA Diamond 和 SEC-Bench Pro 上领先。这些分数全部由 DeepSeek 自己跑出、自己公布,没有第三方在相同条件下复现。

提供给 VentureBeat 的一份第三方数据指向的也不是「更聪明」,而是「更划算」:设计工具公司 OpenDesign 说,在它那套日常设计需求上,V4.1-Flash 达到了 GPT-6 Astra 质量分的 98%,花的钱是 1.4%。这只是一类很窄的任务,但它印证的是同一条线:按「每块钱干成多少活」比,而不是按榜单名次比。

测试 Flash 对手 结果 DeepSWE v1.1 74.2 Claude Opus 5 · 74.0 险胜 0.2 Terminal-Bench 3.0 30.0 Claude Opus 5 · 43.3 落后 13.3 Terminal-Bench 4.0 31.2 Claude Opus 5 · 51.8 落后 20.6 注:所有分数由 DeepSeek 自测自报,无第三方复现
DeepSeek 公布的对照表里,V4.1-Flash 在编程题上险胜 Claude Opus 5,在两代终端操作测试上都输得明显。GPT-5.6 Sol 则在 GPQA Diamond 和 SEC-Bench Pro 上领先(原文未给分数)。

最高档不一定最划算

榜单成绩是在最高推理力度下跑出来的,而最高档要多烧约 2.5 倍的输出 token。

DeepSeek 让模型「想多久」是可调的,公开 API 给了三档预设,对应力度值 50、75、100。比较表全部按最高的 100 跑。

它自己的测试显示,力度从 25 提到 100,DeepSWE v1.1 从 66.0% 升到 74.2%,Terminal-Bench 2.1 从 82.4% 升到 90.6%,代价是输出 token 消耗约 2.5 倍。

关键在于收益是前置的。DeepSeek 说 60 到 80 这一档就能拿回最高档的大部分准确率,而 token 预算不到一半;从那儿再推到 100,agent 的执行链条会长 1.6 到 1.8 倍,换来的提升却小得多。

于是省钱这件事多了一个旋钮。一个按「每个成功完成的任务花多少钱」来优化的团队,最佳档位很可能不是榜单背后那一档。

DeepSWE v1.1 得分 推理力度 25 输出 token 作基准 66.0 推理力度 100 输出 token 约 2.5 倍 74.2
把推理力度从 25 拉满到 100,DeepSWE v1.1 涨 8.2 分,输出 token 消耗约 2.5 倍。DeepSeek 自己说 60 到 80 这一档就能拿回大部分准确率。

旧型号被换掉了

DeepSeek 已经把旧型号的名字指向新模型,9 月 14 日起连 V4-Pro 的调用也会被转过来。

V4-Flash 和 V4-Flash-Vision-Exp 已经退役,原来的型号标识暂时全部转发到 V4.1-Flash。文档还写明,从 9 月 14 日起,也就是明天,调用 deepseek-v4-pro 会被路由到 V4.1-Flash,直到未来的 V4.1-Pro 上线。DeepSeek 给的理由是 V4.1-Flash 在性能、成本、速度和总耗时上已全面超过 V4-Pro。

Hacker News 上有开发者对此提出了另一类批评:在生产环境里,一个型号名字背后的模型被悄悄换掉,哪怕新模型名义上更好更便宜,原有的回归测试也可能失效。提示词调得越细、agent 行为绑得越紧的团队,越不能默认平迁没事,得重新测一遍。

这是一次定价发布

它卖的不是最聪明,是同一件活花更少的钱,而这笔便宜只有形状对的任务才吃得到。

权重是 MIT 许可证放在 Hugging Face 上的,企业可以下载商用。但自己托管的账和买 API 的账是两回事:骨干从 2840 亿涨到 5520 亿,硬件门槛跟着涨,DeepSeek 自己在发布说明里让有大规模部署意向的机构「如果手上有 2000 张 GPU 加一套存储集群」再联系公司。省下的是 DeepSeek 服务器上的算力,不是你机房里的。

还有一条 DeepSeek 主动写进技术报告的保留意见:新架构存在它尚未完全摸清的稳健性边界。稀疏注意力可能选错要看的片段,缓存恢复时的近似重建可能丢状态,这两处在超长上下文检索和缓存衔接的边界情况下可能掉能力。它说自己的测试里没看到系统性退化,但计划继续做压力测试。

发布的时机也不只关乎技术。路透社本周报道,DeepSeek 已聘请中信证券,筹备在上海科创板上市;正在进行的融资可能给出最高 5000 亿元人民币、约 750 亿美元的估值。

所以对开发者来说,该问的是三件具体的事:

  1. 我的任务是不是输入重、重复多、可缓存,能吃到 80 亿参数的读入路径和小缓存的红利?
  2. 这份节省,扛不扛得住模型体积几乎翻倍、生成时激活 160 亿参数的代价?
  3. 我的活是不是真需要最高推理力度,值不值 2.5 倍的输出 token?

答不上来这三条,再低的挂牌价也只是个数字。